library(haven)
library(labelled) # for general functions to work with labelled data
library(tidyverse) # general wrangling
library(dplyr)
library(Hmisc)
library(gtsummary) # to demonstrate automatic use of variable labels in summary tables
library(readxl)
library(foreign)
library(sjPlot)
library(sjmisc)
library(sjlabelled) # for example efc data set with variable labels
library(stringr)
rm(list = ls())
dir_input_data = "C:/Users/ASUS/Desktop/ISEP 3/Statistique exploratoire spatiale/Projet_1/Data/input_data"
dir_output_data = "C:/Users/ASUS/Desktop/ISEP 3/Statistique exploratoire spatiale/Projet_1/Data/output_data"
Mali_Harmonization_variables <- read_excel(paste0(dir_input_data,"/MLI_Harmonization.xlsx"), 
    sheet = "variables_harmonization")
#View(Mali_Harmonization_variables)

Mali_Harmonization_description <- read_excel(paste0(dir_input_data,"/MLI_Harmonization.xlsx"), 
    sheet = "description")
#View(Mali_Harmonization_description)
lst_test = Mali_Harmonization_description$Name

for (i in 1:length(lst_test)) {
  file_path = file.path(dir_output_data, paste0(lst_test[i], ".sav"))
  
  if (!file.exists(file_path)) {
    print(paste0("Le fichier ", lst_test[i], ".sav n'existe pas"))
  } else {
    assign(lst_test[i], read_sav(file_path))
  }
}

1 Data consistency Check

1.1 Drop duplicated observations

table(Mali_baseline_2018$ADMIN1Name)
table(Mali_ea_2020$ADMIN1Name)
table(Mali_ea_2021$ADMIN1Name)
table(Mali_ea_2022$ADMIN1Name)
table(Mali_pdm_2022$ADMIN1Name)
Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2021 <- Mali_ea_2021 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_ea_2022 <- Mali_ea_2022 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))
Mali_pdm_2022 <- Mali_pdm_2022 %>% dplyr::distinct() %>% dplyr::filter(!is.na(ADMIN1Name))

1.3 ID Check

Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2021 <- Mali_ea_2021 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_ea_2022 <- Mali_ea_2022 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))
Mali_pdm_2022 <- Mali_pdm_2022 %>% dplyr::distinct(ID,.keep_all = TRUE) %>% dplyr::filter(!is.na(ID))

2 Administrative check

Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(YEAR= "2018" %>% 
                  structure(label = "Annee"))

Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(SURVEY= "Baseline" %>% 
                  structure(label = "Type d'enquête"))

Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(ADMIN0Name= "Mali" %>% 
                  structure(label = "Nom du pays"))
Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(adm0_ocha= "ML" %>% 
                  structure(label = "Admin 0 ID"))


Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(adm1_ocha=case_when(
    ADMIN1Name == "Gao" ~ "ML07",
    ADMIN1Name == "Koulikoro" ~ "ML02",
    ADMIN1Name == "Menaka" ~ "ML10",
    ADMIN1Name == "Mopti" ~ "ML05",
    ADMIN1Name == "Tombouctou" ~ "ML06",

    TRUE ~ as.character(ADMIN1Name)
  )%>% 
    structure(label = "Admin 1 ID"))


Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(ADMIN2Name=case_when(
    ADMIN2Name  ==  "Badiangara" ~ "Bandiagara",
    ADMIN2Name  ==  "Gourma_Rharous"  ~  "Gourma-Rharous",
    ADMIN2Name  ==  "Tomboutou"  ~  "Tombouctou",
    
    TRUE ~ as.character(ADMIN2Name)))

Mali_baseline_2018 = Mali_baseline_2018 %>%
  dplyr::mutate(adm2_ocha=case_when(
    ADMIN2Name  ==  "Bandiagara"  ~  "ML0501",
    ADMIN2Name  ==  "Gao"  ~  "ML0703",
    ADMIN2Name  ==  "Gourma-Rharous"  ~  "ML0603",
    ADMIN2Name  ==  "Kolokani"  ~  "ML0205",
    ADMIN2Name  ==  "Menaka"  ~  "ML1001",
    ADMIN2Name  ==  "Mopti"  ~  "ML0506",
    ADMIN2Name  ==  "Niafunke"  ~  "ML0604",
    ADMIN2Name  ==  "Tombouctou"  ~  "ML0605",

    TRUE ~ as.character(ADMIN2Name)
  )%>% 
    structure(label =  "Admin 2 ID"))
Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(YEAR= "2020" %>% 
                  structure(label = "Annee"))

Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(SURVEY= "Enquête annuelle" %>% 
                  structure(label = "Type d'enquête"))

Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(ADMIN0Name= "Mali" %>% 
    structure(label = "Nom du pays"))

Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(adm0_ocha= "ML" %>% 
                  structure(label = "Admin 0 ID"))


Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(adm1_ocha=case_when(
    ADMIN1Name == "Gao" ~ "ML07",
    ADMIN1Name == "Koulikoro" ~ "ML02",
    ADMIN1Name == "Menaka" ~ "ML10",
    ADMIN1Name == "Mopti" ~ "ML05",
    ADMIN1Name == "Tombouctou" ~ "ML06",

    TRUE ~ as.character(ADMIN1Name)
  )%>% 
    structure(label = "Admin 1 ID"))


Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(ADMIN2Name=case_when(
    ADMIN2Name  ==  "Gourma_Rharous"  ~  "Gourma-Rharous",

    TRUE ~ as.character(ADMIN2Name)))



Mali_ea_2020 = Mali_ea_2020 %>%
  dplyr::mutate(adm2_ocha=case_when(
    ADMIN2Name == "Ansongo" ~ "ML0701",
    ADMIN2Name == "Bandiagara" ~ "ML0501",
    ADMIN2Name == "Bankass" ~ "ML0502",
    ADMIN2Name == "Dire" ~ "ML0601",
    ADMIN2Name == "Gao" ~ "ML0703",
    ADMIN2Name == "Goundam" ~ "ML0602",
    ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
    ADMIN2Name == "Kolokani" ~ "ML0205",
    ADMIN2Name == "Koro" ~ "ML0505",
    ADMIN2Name == "Menaka" ~ "ML1001",
    ADMIN2Name == "Mopti" ~ "ML0506",
    ADMIN2Name == "Niafunke" ~ "ML0604",
    ADMIN2Name == "Tombouctou" ~ "ML0605",
    TRUE ~ as.character(ADMIN2Name)
  )%>% 
    structure(label = "Admin 2 ID"))
Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(YEAR= "2021" %>% 
                  structure(label = "Annee"))

Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(SURVEY= "Enquête annuelle" %>% 
                  structure(label = "Type d'enquête"))

Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(ADMIN0Name= "Mali" %>% 
    structure(label = "Nom du pays"))

Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(adm0_ocha= "ML" %>% 
                  structure(label = "Admin 0 ID"))


Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(ADMIN1Name=case_when(
    ADMIN1Name == "mli004" ~ "Segou",
    ADMIN1Name == "mli005" ~ "Mopti",
    ADMIN1Name == "mli006" ~ "Tombouctou",
    ADMIN1Name == "mli007" ~ "Gao",
    
    TRUE ~ as.character(ADMIN1Name)))



Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(adm1_ocha=case_when(
    ADMIN1Name == "Segou" ~ "ML04",
    ADMIN1Name == "Mopti" ~ "ML05",
    ADMIN1Name == "Tombouctou" ~ "ML06",
    ADMIN1Name == "Gao" ~ "ML07",

    TRUE ~ as.character(ADMIN1Name)
  )%>% 
    structure(label = "Admin 1 ID"))


Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(ADMIN2Name=case_when(
    ADMIN2Name == "mli004001" ~ "Segou",
    ADMIN2Name == "mli004002" ~ "Baraoueli",
    ADMIN2Name == "mli004003" ~ "Bla",
    ADMIN2Name == "mli004004" ~ "Macina",
    ADMIN2Name == "mli004005" ~ "Niono",
    ADMIN2Name == "mli004006" ~ "San",
    ADMIN2Name == "mli004007" ~ "Tominian",
    ADMIN2Name == "mli005001" ~ "Mopti",
    ADMIN2Name == "mli005002" ~ "Bandiagara",
    ADMIN2Name == "mli005003" ~ "Bankass",
    ADMIN2Name == "mli005004" ~ "Djenne",
    ADMIN2Name == "mli005005" ~ "Douentza",
    ADMIN2Name == "mli005006" ~ "Koro",
    ADMIN2Name == "mli005007" ~ "Tenenkou",
    ADMIN2Name == "mli005008" ~ "Youwarou",
    ADMIN2Name == "mli006001" ~ "Tombouctou",
    ADMIN2Name == "mli006002" ~ "Dire",
    ADMIN2Name == "mli006003" ~ "Goundam",
    ADMIN2Name == "mli006004" ~ "Gourma-Rharous",
    ADMIN2Name == "mli006005" ~ "Niafunke",
    ADMIN2Name == "mli007001" ~ "Gao",
    ADMIN2Name == "mli007002" ~ "Ansongo",
    ADMIN2Name == "mli007003" ~ "Bourem",
    ADMIN2Name == "mli007004" ~ "Menaka",

    TRUE ~ as.character(ADMIN2Name)))


Mali_ea_2021 = Mali_ea_2021 %>%
  dplyr::mutate(adm2_ocha=case_when(
    ADMIN2Name == "Segou" ~ "ML0406",
    ADMIN2Name == "Baraoueli" ~ "ML0401",
    ADMIN2Name == "Bla" ~ "ML0402",
    ADMIN2Name == "Macina" ~ "ML0403",
    ADMIN2Name == "Niono" ~ "ML0404",
    ADMIN2Name == "San" ~ "ML0405",
    ADMIN2Name == "Tominian" ~ "ML0407",
    ADMIN2Name == "Mopti" ~ "ML0506",
    ADMIN2Name == "Bandiagara" ~ "ML0501",
    ADMIN2Name == "Bankass" ~ "ML0502",
    ADMIN2Name == "Djenne" ~ "ML0503",
    ADMIN2Name == "Douentza" ~ "ML0504",
    ADMIN2Name == "Koro" ~ "ML0505",
    ADMIN2Name == "Tenenkou" ~ "ML0507",
    ADMIN2Name == "Youwarou" ~ "ML0508",
    ADMIN2Name == "Tombouctou" ~ "ML0605",
    ADMIN2Name == "Dire" ~ "ML0601",
    ADMIN2Name == "Goundam" ~ "ML0602",
    ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
    ADMIN2Name == "Niafunke" ~ "ML0604",
    ADMIN2Name == "Gao" ~ "ML0703",
    ADMIN2Name == "Ansongo" ~ "ML0701",
    ADMIN2Name == "Bourem" ~ "ML0702",
    ADMIN2Name == "Menaka" ~ "ML1001",

    TRUE ~ as.character(ADMIN2Name)
  )%>% 
    structure(label = "Admin 2 ID"))
Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(YEAR= "2022" %>% 
                  structure(label = "Annee"))

Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(SURVEY= "Enquête annuelle" %>% 
                  structure(label = "Type d'enquête"))

Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(ADMIN0Name= "Mali" %>% 
    structure(label = "Nom du pays"))

Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(adm0_ocha= "ML" %>% 
                  structure(label = "Admin 0 ID"))

Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(ADMIN1Name=case_when(
    ADMIN1Name == "Timbuktu" ~ "Tombouctou",
    TRUE ~ as.character(ADMIN1Name)))

Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(adm1_ocha=case_when(
    ADMIN1Name == "Gao" ~ "ML07",
    ADMIN1Name == "Menaka" ~ "ML10",
    ADMIN1Name == "Mopti" ~ "ML05",
    ADMIN1Name == "Segou" ~ "ML04",
    ADMIN1Name == "Tombouctou" ~ "ML06",

    TRUE ~ as.character(ADMIN1Name)
  )%>% 
    structure(label = "Admin 1 ID"))


Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(ADMIN2Name=case_when(
    ADMIN2Name == "ANSONGO" ~ "Ansongo",
    ADMIN2Name == "BANDIAGARA" ~ "Bandiagara",
    ADMIN2Name == "BARAOUELI" ~ "Baraoueli",
    ADMIN2Name == "GAO" ~ "Gao",
    ADMIN2Name == "GOURMA-RHAROUS" ~ "Gourma-Rharous",
    ADMIN2Name == "MENAKA" ~ "Menaka",
    ADMIN2Name == "MOPTI" ~ "Mopti",
    ADMIN2Name == "NIAFUNKE" ~ "Niafunke",
    ADMIN2Name == "NIONO" ~ "Niono",
    ADMIN2Name == "Timbuktu" ~ "Tombouctou",
    ADMIN2Name == "TOMBOUCTOU" ~ "Tombouctou",
    ADMIN2Name == "TOMINIAN" ~ "Tominian",

    TRUE ~ as.character(ADMIN2Name)))


Mali_ea_2022 = Mali_ea_2022 %>%
  dplyr::mutate(adm2_ocha=case_when(
    ADMIN2Name == "Ansongo" ~ "ML0701",
    ADMIN2Name == "Bandiagara" ~ "ML0501",
    ADMIN2Name == "Baraoueli" ~ "ML0401",
    ADMIN2Name == "Gao" ~ "ML0703",
    ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
    ADMIN2Name == "Menaka" ~ "ML1001",
    ADMIN2Name == "Mopti" ~ "ML0506",
    ADMIN2Name == "Niafunke" ~ "ML0604",
    ADMIN2Name == "Niono" ~ "ML0404",
    ADMIN2Name == "Tombouctou" ~ "ML0605",
    ADMIN2Name == "Tominian" ~ "ML0407",

    
    TRUE ~ as.character(ADMIN2Name)
  )%>% 
    structure(label = "Admin 2 ID"))
Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(YEAR= "2022" %>% 
                  structure(label = "Annee"))

Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(SURVEY= "PDM" %>% 
                  structure(label = "Type d'enquête"))

Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(ADMIN0Name= "Mali" %>% 
    structure(label = "Nom du pays"))

Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(adm0_ocha= "ML" %>% 
                  structure(label = "Admin 0 ID"))

Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(adm1_ocha=case_when(
    ADMIN1Name == "Gao" ~ "ML07",
    ADMIN1Name == "Menaka" ~ "ML10",
    ADMIN1Name == "Mopti" ~ "ML05",
    ADMIN1Name == "Segou" ~ "ML04",
    ADMIN1Name == "Tombouctou" ~ "ML06",

    TRUE ~ as.character(ADMIN1Name)
  )%>% 
    structure(label = "Admin 1 ID"))


Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(ADMIN2Name=case_when(
    ADMIN2Name == "ANSONGO" ~ "Ansongo",
    ADMIN2Name == "BANDIAGARA" ~ "Bandiagara",
    ADMIN2Name == "BARAOUELI" ~ "Baraoueli",
    ADMIN2Name == "GAO" ~ "Gao",
    ADMIN2Name == "GOURMA-RHAROUS" ~ "Gourma-Rharous",
    ADMIN2Name == "MENAKA" ~ "Menaka",
    ADMIN2Name == "MOPTI" ~ "Mopti",
    ADMIN2Name == "NIAFUNKE" ~ "Niafunke",
    ADMIN2Name == "TOMBOUCTOU" ~ "Tombouctou",

    TRUE ~ as.character(ADMIN2Name)))


Mali_pdm_2022 = Mali_pdm_2022 %>%
  dplyr::mutate(adm2_ocha=case_when(
    ADMIN2Name == "Ansongo" ~ "ML0701",
    ADMIN2Name == "Bandiagara" ~ "ML0501",
    ADMIN2Name == "Baraoueli" ~ "ML0401",
    ADMIN2Name == "Gao" ~ "ML0703",
    ADMIN2Name == "Gourma-Rharous" ~ "ML0603",
    ADMIN2Name == "Menaka" ~ "ML1001",
    ADMIN2Name == "Mopti" ~ "ML0506",
    ADMIN2Name == "Niafunke" ~ "ML0604",
    ADMIN2Name == "Tombouctou" ~ "ML0605",
    
    TRUE ~ as.character(ADMIN2Name)
  )%>% 
    structure(label = "Admin 2 ID"))

3 Indicator checks

3.1 Food consumption score

The Food consumption Score (FCS) is an index that aggregates household-level data on the diversity and frequency of food groups consumed over the last 7 days. It is then weighted according to the relative nutritional value of the consumed food groups. Food groups containing nutritionally dense foods (e.g. animal based products) are given greater weight than those containing less nutritional value (e.g. tubers) as follows: (main staples:2, pulses:3, vegetables:1, fruit:1, meat or fish:4, milk:4, sugar:0.5, oil:0.5).

3.1.1 FCS : Céréales et tubercules

#expss::val_lab(Mali_baseline_2018$FCSStap)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSStap,show.na = T)

3.1.2 FCS : Céréales et tubercules - Sources

# Codes d’acquisition des aliments 
# 1 = Production propre (récoltes, élevage) ; 2 = Pêche / Chasse ; 3 = Cueillette ; 4 = Prêts ; 5 = Marché (achat avec des espèces) ; 6 = Marché (achat à crédit) ;
# 7 = Mendicité ; 8 = Troc travail ou biens contre des aliments ; 9 = Dons (aliments) de membres de la famille ou d’amis ; 10 = Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc.
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSStapSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSStapSRf <- labelled::labelled(Mali_baseline_2018$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_baseline_2018$FCSStapSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSStapSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10)

Mali_ea_2020$FCSStapSRf <- labelled::labelled(Mali_ea_2020$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSStapSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSStapSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSStapSRf <- labelled::labelled(Mali_ea_2021$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSStapSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSStapSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSStapSRf <- labelled::labelled(Mali_ea_2022$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSStapSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSStapSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSStapSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSStapSRf <- labelled::labelled(Mali_pdm_2022$FCSStapSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSStapSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSStapSRf,show.na = T)

3.1.3 FCS : Légumineuses

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulse,show.na = T)

3.1.4 FCS : Légumineuses - Sources

#Base Mali_baseline_2018

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSPulseSRf <- labelled::labelled(Mali_baseline_2018$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSPulseSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSPulseSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"= 10)

Mali_ea_2020$FCSPulseSRf <- labelled::labelled(Mali_ea_2020$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSPulseSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSPulseSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSPulseSRf <- labelled::labelled(Mali_ea_2021$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSPulseSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSPulseSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"Production propre (récoltes, élevage)"=1,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSPulseSRf <- labelled::labelled(Mali_ea_2022$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSPulseSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSPulseSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSPulseSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSPulseSRf <- labelled::labelled(Mali_pdm_2022$FCSPulseSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSPulseSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSPulseSRf,show.na = T)

3.1.5 FCS : Lait et produits laitiers

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairy,show.na = T)

3.1.6 FCS : Lait et produits laitiers - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSDairySRfSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSDairySRf <- labelled::labelled(Mali_baseline_2018$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSDairySRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSDairySRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSDairySRf <- labelled::labelled(Mali_ea_2020$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSDairySRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSDairySRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSDairySRf <- labelled::labelled(Mali_ea_2021$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSDairySRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSDairySRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSDairySRf <- labelled::labelled(Mali_ea_2022$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSDairySRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSDairySRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSDairySRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSDairySRf <- labelled::labelled(Mali_pdm_2022$FCSDairySRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSDairySRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSDairySRf,show.na = T)

3.1.7 FCS: Viande, poisson et oeufs

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPr,show.na = T)

3.1.8 FCS: Viande, poisson et oeufs - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSPrSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSPrSRf <- labelled::labelled(Mali_baseline_2018$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSPrSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSPrSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSPrSRf <- labelled::labelled(Mali_ea_2020$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSPrSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSPrSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSPrSRf <- labelled::labelled(Mali_ea_2021$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSPrSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSPrSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSPrSRf <- labelled::labelled(Mali_ea_2022$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSPrSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSPrSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSPrSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSPrSRf <- labelled::labelled(Mali_pdm_2022$FCSPrSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSPrSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSPrSRf,show.na = T)

3.1.9 FCS : Chair/viande rouge

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatF,show.na = T)

3.1.10 FCS : Viande d’organe, telle que: (foie, reins, coeur et / ou autres abats)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrMeatO,show.na = T)

3.1.11 FCS : Poissons et coquillage, tels que: (poissons, y compris le thon en conserve, les escargots et / ou d’autres fruits de mer remplacer par des exemples localement pertinents )

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrFish,show.na = T)

3.1.12 FCS : Oeufs

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSPrEgg,show.na = T)

3.1.13 FCS : Légumes et feuilles , tels que : (épinards, oignons, tomates, carottes, poivrons, haricots verts, laitue, etc)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVeg,show.na = T)

3.1.14 FCS : Légumes et feuilles , tels que : (épinards, oignons, tomates, carottes, poivrons, haricots verts, laitue, etc) - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSVegSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSVegSRf <- labelled::labelled(Mali_baseline_2018$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSVegSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSVegSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSVegSRf <- labelled::labelled(Mali_ea_2020$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSVegSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSVegSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSVegSRf <- labelled::labelled(Mali_ea_2021$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSVegSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSVegSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSVegSRf <- labelled::labelled(Mali_ea_2022$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSVegSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSVegSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSVegSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSVegSRf <- labelled::labelled(Mali_pdm_2022$FCSVegSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSVegSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSVegSRf,show.na = T)

3.1.15 FCS : Légumes oranges (légumes riches en Vitamine A)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegOrg,show.na = T)

3.1.16 FCS : Légumes à feuilles vertes,, tels que : ( épinards, brocoli, amarante et/ou autres feuilles vert foncé , feuilles de manioc )

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSVegGre,show.na = T)

3.1.17 FCS : Fruits, tels que : (banane, pomme, citron, mangue, papaye, abricot, pêche, etc)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruit,show.na = T)

### FCS : Fruits, tels que : (banane, pomme, citron, mangue, papaye, abricot, pêche, etc) - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSFruitSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSFruitSRf <- labelled::labelled(Mali_baseline_2018$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSFruitSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSFruitSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSFruitSRf <- labelled::labelled(Mali_ea_2020$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSFruitSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSFruitSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSFruitSRf <- labelled::labelled(Mali_ea_2021$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSFruitSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSFruitSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSFruitSRf <- labelled::labelled(Mali_ea_2022$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSFruitSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSFruitSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSFruitSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSFruitSRf <- labelled::labelled(Mali_pdm_2022$FCSFruitSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSFruitSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSFruitSRf,show.na = T)

3.1.18 FCS : Huile/matières grasses/beurre: tels que (huile végétale, huile de palme, beurre de karité, margarine, autres huiles / matières grasses)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSFat,show.na = T)

3.1.19 FCS : Huile/matières grasses/beurre: tels que (huile végétale, huile de palme, beurre de karité, margarine, autres huiles / matières grasses) - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSFatSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSFatSRf <- labelled::labelled(Mali_baseline_2018$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSFatSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSFatSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSFatSRf <- labelled::labelled(Mali_ea_2020$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSFatSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSFatSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSFatSRf <- labelled::labelled(Mali_ea_2021$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSFatSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSFatSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSFatSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSFatSRf <- labelled::labelled(Mali_ea_2022$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSFatSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

#Base Mali_pdm_2022

Mali_pdm_2022$FCSFatSRf <- labelled::labelled(Mali_pdm_2022$FCSFatSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_pdm_2022$FCSFatSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSFatSRf,show.na = T)

3.1.20 FSC : Sucre ou sucreries, tels que (sucre, miel, confiture, gâteau, bonbons, biscuits, viennoiserie et autres produits sucrés (boissons sucrées) )

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugar,show.na = T)

3.1.21 FSC : Sucre ou sucreries, tels que (sucre, miel, confiture, gâteau, bonbons, biscuits, viennoiserie et autres produits sucrés (boissons sucrées) ) - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSSugarSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSSugarSRf <- labelled::labelled(Mali_baseline_2018$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSSugarSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSSugarSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSSugarSRf <- labelled::labelled(Mali_ea_2020$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSSugarSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSSugarSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSSugarSRf <- labelled::labelled(Mali_ea_2021$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSSugarSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSSugarSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSSugarSRf <- labelled::labelled(Mali_ea_2022$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSSugarSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSSugarSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSSugarSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSSugarSRf <- labelled::labelled(Mali_pdm_2022$FCSSugarSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSSugarSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSSugarSRf,show.na = T)

3.1.22 FCS : Condiments/épices: tels que (thé, café/cacao, sel, ail, épices, levure/levure chimique, tomate/sauce, viande ou poisson comme condiment, condiments incluant des petites quantités de lait/thé, café.) ?

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,FCSCond,show.na = T)

3.1.23 FCS : Condiments/épices: tels que (thé, café/cacao, sel, ail, épices, levure/levure chimique, tomate/sauce, viande ou poisson comme condiment, condiments incluant des petites quantités de lait/thé, café.) ? - Sources

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$FCSCondSRf)
Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=1,"3"=1,"4"=5,"5"=10,"6"=10,"7"=9,"8"=6,"9"=2,"10"=8)

Mali_baseline_2018$FCSCondSRf <- labelled::labelled(Mali_baseline_2018$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette= 3,`Prêts`=4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))

expss::val_lab(Mali_baseline_2018$FCSCondSRf)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$FCSCondSRf)
Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=6,"7"=7,"8"=8,"9"=9,"10"=10, "999"=10)

Mali_ea_2020$FCSCondSRf <- labelled::labelled(Mali_ea_2020$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2020$FCSCondSRf)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$FCSCondSRf)
Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"100"=1,"200"=2,"300"=3,"400"=4,"500"=5,"600"=6,"700"=7,"800"=8,"900"=9,"1000"=10)

Mali_ea_2021$FCSCondSRf <- labelled::labelled(Mali_ea_2021$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2021$FCSCondSRf)
Mali_ea_2021 %>%
  plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$FCSCondSRf)
Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_ea_2022$FCSCondSRf <- labelled::labelled(Mali_ea_2022$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_ea_2022$FCSCondSRf)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$FCSCondSRf)
Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("FCSCondSRf"),recode,"Production propre (récoltes, élevage)"=1,"Pêche / Chasse"=2,"Cueillette"=3,"Prêts"=4,"Marché (achat avec des espèces)"=5,"Marché (achat à crédit)"=6,"Mendicité"=7,"Troc travail ou biens contre des aliments"=8,"Dons (aliments) de membres de la famille ou d'amis"=9,"Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc."=10)

Mali_pdm_2022$FCSCondSRf <- labelled::labelled(Mali_pdm_2022$FCSCondSRf, c(`Production propre (récoltes, élevage)` = 1, `Pêche / Chasse` = 2, Cueillette = 3,`Prêts`= 4,`Marché (achat avec des espèces)`=5,`Marché (achat à crédit)`=6,`Mendicité`=7,`Troc travail ou biens contre des aliments`=8,`Dons (aliments) de membres de la famille ou d’amis`=9,`Aide alimentaire de la société civile, ONG, gouvernement, PAM, etc`=10))


expss::val_lab(Mali_pdm_2022$FCSCondSRf)
Mali_pdm_2022 %>%
  plot_frq(coord.flip =T,FCSCondSRf,show.na = T)

3.1.24 FCS computation

#calculate FCS
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg  +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_baseline_2018$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(
  FCSCat21 = case_when(
    FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
  FCSCat28 = case_when(
    FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_baseline_2018$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_baseline_2018$FCSCat28) <-  "Groupe de consommation alimentaire - Seuils du 28/42"

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)

#############################
#calculate FCS
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg  +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2020$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(
  FCSCat21 = case_when(
    FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
  FCSCat28 = case_when(
    FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2020$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2020$FCSCat28) <-  "Groupe de consommation alimentaire - Seuils du 28/42"

Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)

Mali_ea_2020 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)

#######################################
#calculate FCS
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg  +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2021$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(
  FCSCat21 = case_when(
    FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
  FCSCat28 = case_when(
    FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2021$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2021$FCSCat28) <-  "Groupe de consommation alimentaire - Seuils du 28/42"

Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)

Mali_ea_2021 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)

#############################################
#calculate FCS
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg  +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_ea_2022$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(
  FCSCat21 = case_when(
    FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
  FCSCat28 = case_when(
    FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_ea_2022$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_ea_2022$FCSCat28) <-  "Groupe de consommation alimentaire - Seuils du 28/42"

Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)

Mali_ea_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)

########################################
#calculate FCS
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(FCS = (2 * FCSStap) + (3 * FCSPulse)+ (4*FCSPr) +FCSVeg  +FCSFruit +(4*FCSDairy) + (0.5*FCSFat) + (0.5*FCSSugar))
var_label(Mali_pdm_2022$FCS) <- "Score de consommation alimentaire"
#create FCG groups based on 21/25 or 28/42 thresholds - analyst should decide which one to use.
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(
  FCSCat21 = case_when(
    FCS <= 21 ~ "Pauvre", between(FCS, 21.5, 35) ~ "Limite", FCS > 35 ~ "Acceptable"),
  FCSCat28 = case_when(
    FCS <= 28 ~ "Pauvre", between(FCS, 28.5, 42) ~ "Limite", FCS > 42 ~ "Acceptable"))
var_label(Mali_pdm_2022$FCSCat21) <- "Groupe de consommation alimentaire - Seuils du 21/35"
var_label(Mali_pdm_2022$FCSCat28) <-  "Groupe de consommation alimentaire - Seuils du 28/42"

Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat21,show.na = T)

Mali_pdm_2022 %>% 
  sjPlot::plot_frq(coord.flip =T,FCSCat28,show.na = T)

3.2 reduced coping strategy index OU l’indice réduit des stratégies de survie (rCSI)

3.2.1 rCSI : Consommer des aliments moins préférés et moins chers

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSILessQlty,show.na = T)

3.2.2 rCSI : Emprunter de la nourriture ou compter sur l’aide des parents/amis

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIBorrow,show.na = T)

3.2.3 rCSI : Diminuer la quantité consommée pendant les repas

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealSize,show.na = T)

3.2.4 rCSI : Restreindre la consommation des adultes pour nourrir les enfants

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealAdult,show.na = T)

3.2.5 rCSI : Diminuer le nombre de repas par jour

Mali_baseline_2018 %>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

Mali_ea_2020%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

Mali_ea_2021%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

Mali_ea_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

Mali_pdm_2022%>% 
  sjPlot::plot_frq(coord.flip =T,rCSIMealNb,show.na = T)

#calculate rCSI Score
Mali_baseline_2018 <- Mali_baseline_2018 %>% mutate(rCSI = rCSILessQlty  + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_baseline_2018$rCSI) <- "rCSI"

#calculate rCSI Score
Mali_ea_2020 <- Mali_ea_2020 %>% mutate(rCSI = rCSILessQlty  + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2020$rCSI) <- "rCSI"

#calculate rCSI Score
Mali_ea_2021 <- Mali_ea_2021 %>% mutate(rCSI = rCSILessQlty  + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2021$rCSI) <- "rCSI"

#calculate rCSI Score
Mali_ea_2022 <- Mali_ea_2022 %>% mutate(rCSI = rCSILessQlty  + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_ea_2022$rCSI) <- "rCSI"

#calculate rCSI Score
Mali_pdm_2022 <- Mali_pdm_2022 %>% mutate(rCSI = rCSILessQlty  + (2 * rCSIBorrow) + rCSIMealSize + (3 * rCSIMealAdult) + rCSIMealNb)
var_label(Mali_pdm_2022$rCSI) <- "rCSI"

3.3 Stratégies d’adaptation aux moyens d’existence (LhCSI)

# 1 = Non, je n'ai pas été confronté à une insuffisance de nourriture
# 2 = Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire
# 3 = Oui
# 4 = Non applicable

3.3.1 LhCSI : Vendre des actifs/biens non productifs du ménage (radio, meuble, réfrigérateur, télévision, bijoux etc.)

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress1)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"0"=1,"1"=2,"2"=3,"3"=4))
Mali_baseline_2018$LhCSIStress1 <- labelled::labelled(Mali_baseline_2018$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIStress1)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress1)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"999"=4))
Mali_ea_2020$LhCSIStress1 <- labelled::labelled(Mali_ea_2020$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIStress1)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

Mali_ea_2021 <- Mali_ea_2021 %>% 
  dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"1"=1,"2"=2,"3"=3,"4"=4))
Mali_ea_2021$LhCSIStress1 <- labelled::labelled(Mali_ea_2021$LhCSIStress1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIStress1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress1)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

Mali_ea_2022 <- Mali_ea_2022 %>% 
  dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2, "Oui"=3,"Non applicable"=4))
Mali_ea_2022$LhCSIStress1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIStress1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2022$LhCSIStress1)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress1)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

Mali_pdm_2022 <- Mali_pdm_2022 %>%
  dplyr::mutate(LhCSIStress1 = dplyr::recode(LhCSIStress1,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2, "Oui"=3,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIStress1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_pdm_2022$LhCSIStress1)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress1)

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"0"=1,"1"=2,"2"=3,"3"=4))
Mali_baseline_2018$LhCSIStress2 <- labelled::labelled(Mali_baseline_2018$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIStress2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIStress2 <- labelled::labelled(Mali_ea_2020$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIStress2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

Mali_ea_2021$LhCSIStress2 <- labelled::labelled(Mali_ea_2021$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIStress2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress2)
Mali_ea_2022 %>%
  plot_frq(coord.flip =T,LhCSIStress2)

Mali_ea_2022 <- Mali_ea_2022 %>% 
  dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIStress2 <- labelled::labelled(Mali_ea_2022$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2022$LhCSIStress2)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress2)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

Mali_pdm_2022 <- Mali_pdm_2022 %>% 
  dplyr::mutate(LhCSIStress2 = dplyr::recode(LhCSIStress2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress2 <- labelled::labelled(Mali_pdm_2022$LhCSIStress2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_pdm_2022$LhCSIStress2)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress2)

3.3.2 LhCSI : Dépenser l’épargne en raison d’un manque de nourriture ou d’argent pour acheter de la nourriture ?

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIStress3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIStress3 <- labelled::labelled(Mali_baseline_2018$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIStress3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress3)
Mali_ea_2020 %>%
  plot_frq(coord.flip =T,LhCSIStress3)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"1"=1,"3"=3,"2"=2,"999"=4))
Mali_ea_2020$LhCSIStress3 <- labelled::labelled(Mali_ea_2020$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIStress3)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

Mali_ea_2021$LhCSIStress3 <- labelled::labelled(Mali_ea_2021$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIStress3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIStress3)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

Mali_ea_2022 <- Mali_ea_2022 %>%
  dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIStress3 <- labelled::labelled(Mali_ea_2022$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2022$LhCSIStress3)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIStress3)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

Mali_pdm_2022 <- Mali_pdm_2022 %>%
  dplyr::mutate(LhCSIStress3 = dplyr::recode(LhCSIStress3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIStress3 <- labelled::labelled(Mali_pdm_2022$LhCSIStress3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_pdm_2022$LhCSIStress3)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIStress3)

3.3.3 LhCSI : Emprunter de l’argent / nourriture auprès d’un prêteur formel /banque

#Base Mali_baseline_2018
Mali_baseline_2018$LhCSIStress4 <- labelled::labelled(Mali_baseline_2018$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIStress4)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress4)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIStress4 = dplyr::recode(LhCSIStress4,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIStress4 <- labelled::labelled(Mali_ea_2020$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIStress4)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIStress4)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIStress4)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress4)

Mali_ea_2021$LhCSIStress4 <- labelled::labelled(Mali_ea_2021$LhCSIStress4, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIStress4)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIStress4)

#Base Mali_ea_2022

Mali_ea_2022 %>% dplyr::mutate_at(c("LhCSIStress4"),recode,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4)

Mali_ea_2022$LhCSIStress4 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIStress4)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))



#Base Mali_pdm_2022

Mali_pdm_2022 %>% dplyr::mutate_at(c("LhCSIStress4"),recode,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4)

Mali_pdm_2022$LhCSIStress4 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIStress4)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

3.3.4 LhCSI : Réduire les dépenses non alimentaires essentielles telles que l’éducation, la santé (dont de médicaments)

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSICrisis1)
Mali_baseline_2018 %>%
  plot_frq(coord.flip =T,LhCSICrisis1)

Mali_baseline_2018$LhCSICrisis1 <- as.character(Mali_baseline_2018$LhCSICrisis1)

Mali_baseline_2018 <-
  Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis1 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSICrisis1)
Mali_baseline_2018 %>%
  plot_frq(coord.flip =T,LhCSICrisis1)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSICrisis1)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis1)

Mali_ea_2020 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis1 <- labelled::labelled(Mali_ea_2020$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSICrisis1)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis1)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis1)

Mali_ea_2021$LhCSICrisis1 <- labelled::labelled(Mali_ea_2021$LhCSICrisis1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSICrisis1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis1)

#Base Mali_ea_2022

Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))



#Base Mali_pdm_2022
Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis1 = dplyr::recode(LhCSICrisis1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

3.3.5 LhCSI : Vendre des biens productifs ou des moyens de transport (machine à coudre, brouette, vélo, car, etc.)

#View labels
expss::val_lab(Mali_baseline_2018$LhCSICrisis2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis2 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSICrisis2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSICrisis2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis2 <- labelled::labelled(Mali_ea_2020$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSICrisis2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

Mali_ea_2021$LhCSICrisis2 <- labelled::labelled(Mali_ea_2021$LhCSICrisis2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSICrisis2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSICrisis2)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis2 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))


#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSICrisis2)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSICrisis2)

Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis2 = dplyr::recode(LhCSICrisis2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis2 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

3.3.6 LhCSI : Retirer les enfants de l’école

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSICrisis3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSICrisis3 <- labelled::labelled(Mali_baseline_2018$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSICrisis3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

#Base Mali_ea_2020 
expss::val_lab(Mali_ea_2020$LhCSICrisis3)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSICrisis3 <- labelled::labelled(Mali_ea_2020$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSICrisis3)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSICrisis3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

Mali_ea_2021$LhCSICrisis3 <- labelled::labelled(Mali_ea_2021$LhCSICrisis3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSICrisis3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSICrisis3)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

Mali_ea_2022 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSICrisis3 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSICrisis3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))



#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSICrisis3)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSICrisis3)

Mali_pdm_2022 %>% dplyr::mutate(LhCSICrisis3 = dplyr::recode(LhCSICrisis3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSICrisis3 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSICrisis3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))
#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency1)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

Mali_baseline_2018$LhCSIEmergency1 <- as.character(Mali_baseline_2018$LhCSIEmergency1)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency1 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIEmergency1)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

#Base Mali_ea_2020
Mali_ea_2020$LhCSIEmergency1 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIEmergency1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

Mali_ea_2021$LhCSIEmergency1 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency1, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIEmergency1)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

expss::val_lab(Mali_ea_2022$LhCSIEmergency1)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

#Base Mali_ea_2022
Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency1 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))


#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency1)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency1)

Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency1 = dplyr::recode(LhCSIEmergency1,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency1 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency1)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

3.3.7 LhCSI : Mendier

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency2 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIEmergency2)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIEmergency2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIEmergency2 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIEmergency2)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

#Base Mali_ea_2021 
expss::val_lab(Mali_ea_2021$LhCSIEmergency2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

Mali_ea_2021$LhCSIEmergency2 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency2, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIEmergency2)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIEmergency2)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency2 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))


#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency2)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency2)

Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency2 = dplyr::recode(LhCSIEmergency2,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency2 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency2)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

3.3.8 LhCSI : Vendre les derniers animaux femelles reproductrices

#Base Mali_baseline_2018
expss::val_lab(Mali_baseline_2018$LhCSIEmergency3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"2"=3,"1"=2,"0"=1,"3"=4))
Mali_baseline_2018$LhCSIEmergency3 <- labelled::labelled(Mali_baseline_2018$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_baseline_2018$LhCSIEmergency3)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

#Base Mali_ea_2020
expss::val_lab(Mali_ea_2020$LhCSIEmergency3)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"3"=3,"2"=2,"1"=1,"999"=4))
Mali_ea_2020$LhCSIEmergency3 <- labelled::labelled(Mali_ea_2020$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2020$LhCSIEmergency3)
Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

#Base Mali_ea_2021
expss::val_lab(Mali_ea_2021$LhCSIEmergency3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

Mali_ea_2021$LhCSIEmergency3 <- labelled::labelled(Mali_ea_2021$LhCSIEmergency3, c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

expss::val_lab(Mali_ea_2021$LhCSIEmergency3)
Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

#Base Mali_ea_2022
expss::val_lab(Mali_ea_2022$LhCSIEmergency3)
Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

Mali_ea_2022 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_ea_2022$LhCSIEmergency3 <- labelled::labelled(as.numeric(as.character(Mali_ea_2022$LhCSIEmergency3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))


#Base Mali_pdm_2022
expss::val_lab(Mali_pdm_2022$LhCSIEmergency3)
Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,LhCSIEmergency3)

Mali_pdm_2022 %>% dplyr::mutate(LhCSIEmergency3 = dplyr::recode(LhCSIEmergency3,"Oui"=3,"Non, parce que j'ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire"=2,"Non, je n'ai pas été confronté à une insuffisance de nourriture"=1,"Non applicable"=4))
Mali_pdm_2022$LhCSIEmergency3 <- labelled::labelled(as.numeric(as.character(Mali_pdm_2022$LhCSIEmergency3)), c(`Non, je n'ai pas été confronté à une insuffisance de nourriture` = 1, `Non, parce que j’ai déjà vendu ces actifs ou mené cette activité au cours des 12 derniers mois et je ne peux pas continuer à le faire` = 2, Oui= 3,`Non applicable`=4))

4 BanqueCerealiere

# Base Mali_baseline_2018
table(Mali_baseline_2018$BanqueCerealiere)

Mali_baseline_2018$BanqueCerealiere <- labelled::labelled(Mali_baseline_2018$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$BanqueCerealiere)

Mali_ea_2020$BanqueCerealiere <- labelled::labelled(Mali_ea_2020$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$BanqueCerealiere)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"3"=3,"2"=2,"1"=1))
Mali_ea_2021$BanqueCerealiere <- labelled::labelled(Mali_ea_2021$BanqueCerealiere,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$BanqueCerealiere)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BanqueCerealiere <- labelled::labelled(Mali_ea_2022$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$BanqueCerealiere)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(BanqueCerealiere = dplyr::recode(BanqueCerealiere,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BanqueCerealiere <- labelled::labelled(Mali_pdm_2022$BanqueCerealiere, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

5 VivreContreTravail

# Base Mali_baseline_2018
table(Mali_baseline_2018$VivreContreTravail)

Mali_baseline_2018$VivreContreTravail <- labelled::labelled(Mali_baseline_2018$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$VivreContreTravail)

Mali_ea_2020$VivreContreTravail <- labelled::labelled(Mali_ea_2020$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$VivreContreTravail)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$VivreContreTravail <- labelled::labelled(Mali_ea_2021$VivreContreTravail,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$VivreContreTravail)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$VivreContreTravail <- labelled::labelled(Mali_ea_2022$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$VivreContreTravail)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(VivreContreTravail = dplyr::recode(VivreContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$VivreContreTravail <- labelled::labelled(Mali_pdm_2022$VivreContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

6 ArgentContreTravail

# Base Mali_baseline_2018
table(Mali_baseline_2018$ArgentContreTravail)

Mali_baseline_2018$ArgentContreTravail <- labelled::labelled(Mali_baseline_2018$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$ArgentContreTravail)

Mali_ea_2020$ArgentContreTravail <- labelled::labelled(Mali_ea_2020$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$ArgentContreTravail)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$ArgentContreTravail <- labelled::labelled(Mali_ea_2021$ArgentContreTravail,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$ArgentContreTravail)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$ArgentContreTravail <- labelled::labelled(Mali_ea_2022$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$ArgentContreTravail)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(ArgentContreTravail = dplyr::recode(ArgentContreTravail,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$ArgentContreTravail <- labelled::labelled(Mali_pdm_2022$ArgentContreTravail, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

7 DistribVivresSoudure

# Base Mali_baseline_2018
table(Mali_baseline_2018$DistribVivresSoudure)

Mali_baseline_2018$DistribVivresSoudure <- labelled::labelled(Mali_baseline_2018$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$DistribVivresSoudure)

Mali_ea_2020$DistribVivresSoudure <- labelled::labelled(Mali_ea_2020$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$DistribVivresSoudure)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$DistribVivresSoudure <- labelled::labelled(Mali_ea_2021$DistribVivresSoudure,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$DistribVivresSoudure)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$DistribVivresSoudure <- labelled::labelled(Mali_ea_2022$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$DistribVivresSoudure)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(DistribVivresSoudure = dplyr::recode(DistribVivresSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$DistribVivresSoudure <- labelled::labelled(Mali_pdm_2022$DistribVivresSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

8 DistribArgentSoudure

# Base Mali_baseline_2018
table(Mali_baseline_2018$DistribArgentSoudure)

Mali_baseline_2018$DistribArgentSoudure <- labelled::labelled(Mali_baseline_2018$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$DistribArgentSoudure)

Mali_ea_2020$DistribArgentSoudure <- labelled::labelled(Mali_ea_2020$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$DistribArgentSoudure)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$DistribArgentSoudure <- labelled::labelled(Mali_ea_2021$DistribArgentSoudure,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$DistribArgentSoudure)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$DistribArgentSoudure <- labelled::labelled(Mali_ea_2022$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$DistribArgentSoudure)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(DistribArgentSoudure = dplyr::recode(DistribArgentSoudure,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$DistribArgentSoudure <- labelled::labelled(Mali_pdm_2022$DistribArgentSoudure, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

9 BoursesAdo

# Base Mali_baseline_2018
table(Mali_baseline_2018$BoursesAdo)

Mali_baseline_2018$BoursesAdo <- labelled::labelled(Mali_baseline_2018$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$BoursesAdo)

Mali_ea_2020$BoursesAdo <- labelled::labelled(Mali_ea_2020$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$BoursesAdo)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BoursesAdo <- labelled::labelled(Mali_ea_2021$BoursesAdo,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$BoursesAdo)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BoursesAdo <- labelled::labelled(Mali_ea_2022$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$BoursesAdo)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(BoursesAdo = dplyr::recode(BoursesAdo,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BoursesAdo <- labelled::labelled(Mali_pdm_2022$BoursesAdo, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

10 BlanketFeedingChildren

# Base Mali_baseline_2018
table(Mali_baseline_2018$BlanketFeedingChildren)

Mali_baseline_2018$BlanketFeedingChildren <- labelled::labelled(Mali_baseline_2018$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$BlanketFeedingChildren)

Mali_ea_2020$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2020$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$BlanketFeedingChildren)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2021$BlanketFeedingChildren,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$BlanketFeedingChildren)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BlanketFeedingChildren <- labelled::labelled(Mali_ea_2022$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$BlanketFeedingChildren)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(BlanketFeedingChildren = dplyr::recode(BlanketFeedingChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BlanketFeedingChildren <- labelled::labelled(Mali_pdm_2022$BlanketFeedingChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

11 BlanketFeedingWomen

# Base Mali_baseline_2018
table(Mali_baseline_2018$BlanketFeedingWomen)

Mali_baseline_2018$BlanketFeedingWomen <- labelled::labelled(Mali_baseline_2018$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$BlanketFeedingWomen)

Mali_ea_2020$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2020$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$BlanketFeedingWomen)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2021$BlanketFeedingWomen,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$BlanketFeedingWomen)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$BlanketFeedingWomen <- labelled::labelled(Mali_ea_2022$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$BlanketFeedingWomen)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(BlanketFeedingWomen = dplyr::recode(BlanketFeedingWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$BlanketFeedingWomen <- labelled::labelled(Mali_pdm_2022$BlanketFeedingWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

12 MAMChildren

# Base Mali_baseline_2018
table(Mali_baseline_2018$MAMChildren)

Mali_baseline_2018$MAMChildren <- labelled::labelled(Mali_baseline_2018$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$MAMChildren)

Mali_ea_2020$MAMChildren <- labelled::labelled(Mali_ea_2020$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$MAMChildren)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MAMChildren <- labelled::labelled(Mali_ea_2021$MAMChildren,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$MAMChildren)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MAMChildren <- labelled::labelled(Mali_ea_2022$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$MAMChildren)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(MAMChildren = dplyr::recode(MAMChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MAMChildren <- labelled::labelled(Mali_pdm_2022$MAMChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

13 MASChildren

# Base Mali_baseline_2018
table(Mali_baseline_2018$MASChildren)

Mali_baseline_2018$MASChildren <- labelled::labelled(Mali_baseline_2018$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$MASChildren)

Mali_ea_2020$MASChildren <- labelled::labelled(Mali_ea_2020$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$MASChildren)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MASChildren <- labelled::labelled(Mali_ea_2021$MASChildren,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$MASChildren)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MASChildren <- labelled::labelled(Mali_ea_2022$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$MASChildren)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(MASChildren = dplyr::recode(MASChildren,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MASChildren <- labelled::labelled(Mali_pdm_2022$MASChildren, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

14 MAMPLWomen

# Base Mali_baseline_2018
table(Mali_baseline_2018$MAMPLWomen)

Mali_baseline_2018$MAMPLWomen <- labelled::labelled(Mali_baseline_2018$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$MAMPLWomen)

Mali_ea_2020$MAMPLWomen <- labelled::labelled(Mali_ea_2020$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$MAMPLWomen)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$MAMPLWomen <- labelled::labelled(Mali_ea_2021$MAMPLWomen,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$MAMPLWomen)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$MAMPLWomen <- labelled::labelled(Mali_ea_2022$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$MAMPLWomen)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(MAMPLWomen = dplyr::recode(MAMPLWomen,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$MAMPLWomen <- labelled::labelled(Mali_pdm_2022$MAMPLWomen, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

15 FormationRenfCapacite

# Base Mali_baseline_2018
table(Mali_baseline_2018$FormationRenfCapacite)

Mali_baseline_2018$FormationRenfCapacite <- labelled::labelled(Mali_baseline_2018$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$FormationRenfCapacite)

Mali_ea_2020$FormationRenfCapacite <- labelled::labelled(Mali_ea_2020$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$FormationRenfCapacite)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$FormationRenfCapacite <- labelled::labelled(Mali_ea_2021$FormationRenfCapacite,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$FormationRenfCapacite)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$FormationRenfCapacite <- labelled::labelled(Mali_ea_2022$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$FormationRenfCapacite)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(FormationRenfCapacite = dplyr::recode(FormationRenfCapacite,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$FormationRenfCapacite <- labelled::labelled(Mali_pdm_2022$FormationRenfCapacite, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

16 CashTransfert

# Base Mali_baseline_2018
table(Mali_baseline_2018$CashTransfert)

Mali_baseline_2018$CashTransfert <- labelled::labelled(Mali_baseline_2018$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$CashTransfert)

Mali_ea_2020$CashTransfert <- labelled::labelled(Mali_ea_2020$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$CashTransfert)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$CashTransfert <- labelled::labelled(Mali_ea_2021$CashTransfert,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$CashTransfert)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$CashTransfert <- labelled::labelled(Mali_ea_2022$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$CashTransfert)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(CashTransfert = dplyr::recode(CashTransfert,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$CashTransfert <- labelled::labelled(Mali_pdm_2022$CashTransfert, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

17 AutreTransferts

# Base Mali_baseline_2018
table(Mali_baseline_2018$AutreTransferts)

Mali_baseline_2018$AutreTransferts <- labelled::labelled(Mali_baseline_2018$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$AutreTransferts)

Mali_ea_2020$AutreTransferts <- labelled::labelled(Mali_ea_2020$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$AutreTransferts)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2021$AutreTransferts <- labelled::labelled(Mali_ea_2021$AutreTransferts,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$AutreTransferts)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$AutreTransferts <- labelled::labelled(Mali_ea_2022$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$AutreTransferts)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(AutreTransferts = dplyr::recode(AutreTransferts,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$AutreTransferts <- labelled::labelled(Mali_pdm_2022$AutreTransferts, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

18 CantineScolaire

# Base Mali_baseline_2018
table(Mali_baseline_2018$CantineScolaire)

Mali_baseline_2018$CantineScolaire <- labelled::labelled(Mali_baseline_2018$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$CantineScolaire)
Mali_ea_2020 <- 
  Mali_ea_2020 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"0"=2,"1"=1))
Mali_ea_2020$CantineScolaire <- labelled::labelled(Mali_ea_2020$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$CantineScolaire)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"3"=3,"2"=2,"1"=1))
Mali_ea_2021$CantineScolaire <- labelled::labelled(Mali_ea_2021$CantineScolaire,  c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$CantineScolaire)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_ea_2022$CantineScolaire <- labelled::labelled(Mali_ea_2022$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$CantineScolaire)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(CantineScolaire = dplyr::recode(CantineScolaire,"Ne Sait Pas"=3,"Oui, Autre"=2,"Oui, PAM"=1))
Mali_pdm_2022$CantineScolaire <- labelled::labelled(Mali_pdm_2022$CantineScolaire, c(`Oui, PAM` = 1, `Oui, Autre` = 2, `Ne Sait Pas`= 3))

19 ExistGroupeEpargne

# Base Mali_baseline_2018
table(Mali_baseline_2018$ExistGroupeEpargne)

Mali_baseline_2018$ExistGroupeEpargne <- labelled::labelled(Mali_baseline_2018$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))

# Base Mali_ea_2020
table(Mali_ea_2020$ExistGroupeEpargne)

Mali_ea_2020$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2020$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))

# Base Mali_ea_2021
table(Mali_ea_2021$ExistGroupeEpargne)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"0"=0,"1"=1,"888"=888))
Mali_ea_2021$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2021$ExistGroupeEpargne,  c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))

# Base Mali_ea_2022
table(Mali_ea_2022$ExistGroupeEpargne)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"Non"=0,"Oui"=1,"Ne sait pas"=888))
Mali_ea_2022$ExistGroupeEpargne <- labelled::labelled(Mali_ea_2022$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))

# Base Mali_pdm_2022
table(Mali_pdm_2022$ExistGroupeEpargne)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(ExistGroupeEpargne = dplyr::recode(ExistGroupeEpargne,"Non"=0,"Oui"=1,"Ne sait pas"=888))
Mali_pdm_2022$ExistGroupeEpargne <- labelled::labelled(Mali_pdm_2022$ExistGroupeEpargne, c(`Non` = 0, `Oui` = 1, `Ne Sait Pas`= 888))

20 MembreGroupeEpargne

# Base Mali_baseline_2018
table(Mali_baseline_2018$MembreGroupeEpargne)

Mali_baseline_2018$MembreGroupeEpargne <- labelled::labelled(Mali_baseline_2018$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$MembreGroupeEpargne)

Mali_ea_2020$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2020$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$MembreGroupeEpargne)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2021$MembreGroupeEpargne,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$MembreGroupeEpargne)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$MembreGroupeEpargne <- labelled::labelled(Mali_ea_2022$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$MembreGroupeEpargne)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(MembreGroupeEpargne = dplyr::recode(MembreGroupeEpargne,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$MembreGroupeEpargne <- labelled::labelled(Mali_pdm_2022$MembreGroupeEpargne, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

21 EpargneAvantPam

# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargneAvantPam)

Mali_baseline_2018$EpargneAvantPam <- labelled::labelled(Mali_baseline_2018$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$EpargneAvantPam)

Mali_ea_2020$EpargneAvantPam <- labelled::labelled(Mali_ea_2020$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$EpargneAvantPam)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargneAvantPam <- labelled::labelled(Mali_ea_2021$EpargneAvantPam,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$EpargneAvantPam)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargneAvantPam <- labelled::labelled(Mali_ea_2022$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargneAvantPam)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(EpargneAvantPam = dplyr::recode(EpargneAvantPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargneAvantPam <- labelled::labelled(Mali_pdm_2022$EpargneAvantPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

22 EpargneSansPam

# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargneSansPam)

Mali_baseline_2018$EpargneSansPam <- labelled::labelled(Mali_baseline_2018$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$EpargneSansPam)

Mali_ea_2020$EpargneSansPam <- labelled::labelled(Mali_ea_2020$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$EpargneSansPam)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargneSansPam <- labelled::labelled(Mali_ea_2021$EpargneSansPam,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$EpargneSansPam)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargneSansPam <- labelled::labelled(Mali_ea_2022$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargneSansPam)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(EpargneSansPam = dplyr::recode(EpargneSansPam,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargneSansPam <- labelled::labelled(Mali_pdm_2022$EpargneSansPam, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

23 PossibilitePret

# Base Mali_baseline_2018
table(Mali_baseline_2018$PossibilitePret)

Mali_baseline_2018$PossibilitePret <- labelled::labelled(Mali_baseline_2018$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$PossibilitePret)

Mali_ea_2020$PossibilitePret <- labelled::labelled(Mali_ea_2020$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$PossibilitePret)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$PossibilitePret <- labelled::labelled(Mali_ea_2021$PossibilitePret,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$PossibilitePret)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$PossibilitePret <- labelled::labelled(Mali_ea_2022$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$PossibilitePret)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(PossibilitePret = dplyr::recode(PossibilitePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$PossibilitePret <- labelled::labelled(Mali_pdm_2022$PossibilitePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

24 AutreSourcePret

# Base Mali_baseline_2018
table(Mali_baseline_2018$AutreSourcePret)

Mali_baseline_2018$AutreSourcePret <- labelled::labelled(Mali_baseline_2018$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$AutreSourcePret)

Mali_ea_2020$AutreSourcePret <- labelled::labelled(Mali_ea_2020$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$AutreSourcePret)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$AutreSourcePret <- labelled::labelled(Mali_ea_2021$AutreSourcePret,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$AutreSourcePret)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$AutreSourcePret <- labelled::labelled(Mali_ea_2022$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$AutreSourcePret)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(AutreSourcePret = dplyr::recode(AutreSourcePret,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$AutreSourcePret <- labelled::labelled(Mali_pdm_2022$AutreSourcePret, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

25 EpargnePieds

# Base Mali_baseline_2018
table(Mali_baseline_2018$EpargnePieds)

Mali_baseline_2018$EpargnePieds <- labelled::labelled(Mali_baseline_2018$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2020
table(Mali_ea_2020$EpargnePieds)

Mali_ea_2020$EpargnePieds <- labelled::labelled(Mali_ea_2020$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2021
table(Mali_ea_2021$EpargnePieds)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"0"=0,"1"=1,"888"=2,"8888"=3))
Mali_ea_2021$EpargnePieds <- labelled::labelled(Mali_ea_2021$EpargnePieds,  c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_ea_2022
table(Mali_ea_2022$EpargnePieds)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_ea_2022$EpargnePieds <- labelled::labelled(Mali_ea_2022$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$EpargnePieds)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(EpargnePieds = dplyr::recode(EpargnePieds,"Je ne sais pas"=2,"Non"=0,"Oui"=1,"Je ne souhaite pas répondre"=3))
Mali_pdm_2022$EpargnePieds <- labelled::labelled(Mali_pdm_2022$EpargnePieds, c(`Oui` = 1, `Non` = 0, `Je ne sais pas`= 2, `Je ne souhaite pas répondre`=3))

26 GraviteImpactRevenus

# Base Mali_baseline_2018
table(Mali_baseline_2018$GraviteImpactRevenus)

Mali_baseline_2018$GraviteImpactRevenus <- labelled::labelled(Mali_baseline_2018$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2020
table(Mali_ea_2020$GraviteImpactRevenus)

Mali_ea_2020$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2020$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2021
table(Mali_ea_2021$GraviteImpactRevenus)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2021$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2021$GraviteImpactRevenus,  c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2022
table(Mali_ea_2022$GraviteImpactRevenus)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2022$GraviteImpactRevenus <- labelled::labelled(Mali_ea_2022$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_pdm_2022
table(Mali_pdm_2022$GraviteImpactRevenus)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(GraviteImpactRevenus = dplyr::recode(GraviteImpactRevenus,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_pdm_2022$GraviteImpactRevenus <- labelled::labelled(Mali_pdm_2022$GraviteImpactRevenus, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

27 GraviteImpactSAN

# Base Mali_baseline_2018
table(Mali_baseline_2018$GraviteImpactSAN)

Mali_baseline_2018$GraviteImpactSAN <- labelled::labelled(Mali_baseline_2018$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2020
table(Mali_ea_2020$GraviteImpactSAN)

Mali_ea_2020$GraviteImpactSAN <- labelled::labelled(Mali_ea_2020$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2021
table(Mali_ea_2021$GraviteImpactSAN)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2021$GraviteImpactSAN <- labelled::labelled(Mali_ea_2021$GraviteImpactSAN,  c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_ea_2022
table(Mali_ea_2022$GraviteImpactSAN)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_ea_2022$GraviteImpactSAN <- labelled::labelled(Mali_ea_2022$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

# Base Mali_pdm_2022
table(Mali_pdm_2022$GraviteImpactSAN)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(GraviteImpactSAN = dplyr::recode(GraviteImpactSAN,"1"=1,"2"=2,"3"=3,"4"=4,"888"=5,"8888"=6))
Mali_pdm_2022$GraviteImpactSAN <- labelled::labelled(Mali_pdm_2022$GraviteImpactSAN, c(`Pas d'impact` = 1, `Légère diminution` = 2, `Forte diminution`= 3, `Pire que jamais`=4,`Ne sait pas`=5,`Refus`=6))

28 CACRetabCapAlim

# Base Mali_baseline_2018
table(Mali_baseline_2018$CACRetabCapAlim)

Mali_baseline_2018$CACRetabCapAlim <- labelled::labelled(Mali_baseline_2018$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_ea_2020
table(Mali_ea_2020$CACRetabCapAlim)

Mali_ea_2020$CACRetabCapAlim <- labelled::labelled(Mali_ea_2020$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_ea_2021
table(Mali_ea_2021$CACRetabCapAlim)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_ea_2021$CACRetabCapAlim <- labelled::labelled(Mali_ea_2021$CACRetabCapAlim,  c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$CACRetabCapAlim)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_ea_2022$CACRetabCapAlim <- labelled::labelled(Mali_ea_2022$CACRetabCapAlim,  c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$CACRetabCapAlim)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(CACRetabCapAlim = dplyr::recode(CACRetabCapAlim,"1"=1,"2"=2,"3"=3))
Mali_pdm_2022$CACRetabCapAlim <- labelled::labelled(Mali_pdm_2022$CACRetabCapAlim, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

29 CACRetabCapAlim_1y

# Base Mali_baseline_2018
table(Mali_baseline_2018$CACRetabCapAlim_1y)

Mali_baseline_2018$CACRetabCapAlim_1y <- labelled::labelled(Mali_baseline_2018$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))


# Base Mali_ea_2020
table(Mali_ea_2020$CACRetabCapAlim_1y)

Mali_ea_2020$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2020$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))


# Base Mali_ea_2021
table(Mali_ea_2021$CACRetabCapAlim_1y)
Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_ea_2021$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2021$CACRetabCapAlim_1y,  c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_ea_2022
table(Mali_ea_2022$CACRetabCapAlim_1y)
Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_ea_2022$CACRetabCapAlim_1y <- labelled::labelled(Mali_ea_2022$CACRetabCapAlim_1y,  c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

# Base Mali_pdm_2022
table(Mali_pdm_2022$CACRetabCapAlim_1y)
Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(CACRetabCapAlim_1y = dplyr::recode(CACRetabCapAlim_1y,"1"=1,"2"=2,"3"=3))
Mali_pdm_2022$CACRetabCapAlim_1y <- labelled::labelled(Mali_pdm_2022$CACRetabCapAlim_1y, c(`La capacité à satisfaire les besoins alimentaires est pire qu'avant le choc` = 1, `La capacité à satisfaire les besoins alimentaires est la même qu'avant le choc` = 2, `La capacité à satisfaire les besoins alimentaires est meilleure qu'avant le choc`= 3))

30 Self-evaluated resilience score (SERS)

expss::val_lab(Mali_ea_2021$SERSFamAmis)
table(Mali_ea_2021$SERSFamAmis)
table(Mali_ea_2022$SERSFamAmis)

Il n’y a pas les variables SERS dans Mali_baseline, Mali_ea_2020

#MON AJOUT
unique(Mali_baseline_2018$SERSRebondir) # NA
unique(Mali_ea_2020$SERSRebondir) # NA
unique(Mali_ea_2021$SERSRebondir) # recoder
unique(Mali_ea_2021$SERSLecons) # recoder
unique(Mali_ea_2022$SERSRebondir) # Non recoder
unique(Mali_pdm_2022$SERSRebondir)# Non recoder
sers_variables = Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("SERS")) %>% names()

#M_SERS_2018=Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("SERS"))

expss::val_lab(Mali_baseline_2018$SERSRebondir)
table(Mali_baseline_2018$SERSRebondir)# Vide
#all(sapply(M_SERS_2018, function(col) all(is.na(col))))
#TRUE
#Toutes les variables SERS sont vides dans Mali_baseline_2018
Mali_baseline_2018 <- Mali_baseline_2018 %>% 
  #dplyr::mutate(across(sers_variables, as.character)) %>%
  dplyr::mutate(across(sers_variables,
                ~haven::labelled(., labels = c(
                  `tout à fait d'accord`=1,
                  `d'accord`=2,
                  `ni d'accord ni pas d'accord`=3,
                  `pas d'accord`=4 ,
                  `pas du tout d'accord`=5 
                ))))

##############################################################################################################

expss::val_lab(Mali_ea_2020$SERSRebondir)
table(Mali_ea_2020$SERSRebondir)#VIDE


#M_SERS_2020=Mali_ea_2020 %>% dplyr::select(gtsummary::starts_with("SERS"))

#all(sapply(M_SERS_2020, function(col) all(is.na(col))))
#Toutes les variables SERS sont vides dans Mali_ea_2020
Mali_ea_2020 <- Mali_ea_2020 %>% 
  #dplyr::mutate(across(sers_variables, as.character)) %>%
  dplyr::mutate(across(sers_variables,
                ~haven::labelled(., labels = c(
                  `tout à fait d'accord`=1,
                  `d'accord`=2,
                  `ni d'accord ni pas d'accord`=3,
                  `pas d'accord`=4 ,
                  `pas du tout d'accord`=5 
                ))))

#######################################################################################"
expss::val_lab(Mali_ea_2021$SERSRebondir)
table(Mali_ea_2021$SERSRebondir)
class(Mali_ea_2021$SERSRebondir)
unique(Mali_ea_2021$SERSRebondir)
Mali_ea_2021 <- Mali_ea_2021 %>% 
  dplyr::mutate(across(sers_variables,
                ~dplyr::recode(.,
                  "tout à fait d'accord" = 1,
                  "d'accord" = 2,
                  "ni d'accord ni pas d'accord" = 3,
                  "pas d'accord" = 4,
                  "pas du tout d'accord" = 5
                )))

Mali_ea_2021 <- Mali_ea_2021 %>% 
  #dplyr::mutate(across(sers_variables, as.character)) %>%
  dplyr::mutate(across(sers_variables,
                ~haven::labelled(., labels = c(
                  `tout à fait d'accord`=1,
                  `d'accord`=2,
                  `ni d'accord ni pas d'accord`=3,
                  `pas d'accord`=4 ,
                  `pas du tout d'accord`=5 
                )))
                )

expss::val_lab(Mali_ea_2021$SERSRebondir)
table(Mali_ea_2021$SERSRebondir)
class(Mali_ea_2021$SERSRebondir)
######################################################################################33
expss::val_lab(Mali_ea_2022$SERSRebondir)#OK
table(Mali_ea_2022$SERSRebondir)
unique(Mali_ea_2022$SERSRebondir)


Mali_ea_2022 <- Mali_ea_2022 %>% 
  dplyr::mutate(across(sers_variables,
                ~dplyr::recode(.,
                  "tout à fait d'accord" = 1,
                  "d'accord" = 2,
                  "ni d'accord ni pas d'accord" = 3,
                  "pas d'accord" = 4,
                  "pas du tout d'accord" = 5
                )))


Mali_ea_2022 <- Mali_ea_2022 %>% 
  #dplyr::mutate(across(sers_variables, as.character)) %>%
  dplyr::mutate(across(sers_variables,
                ~haven::labelled(., labels = c(
                  `tout à fait d'accord`=1,
                  `d'accord`=2,
                  `ni d'accord ni pas d'accord`=3,
                  `pas d'accord`=4 ,
                  `pas du tout d'accord`=5 
                ))))


expss::val_lab(Mali_ea_2022$SERSRebondir)#OK
table(Mali_ea_2022$SERSRebondir)
class(Mali_ea_2022$SERSRebondir)

############################################################################################

#Mali_ea_2022 <- Mali_ea_2022 %>%
# mutate(across(sers_variables, as.factor)) Losqu'on convertit les var en facteurs, le label s'annule.


expss::val_lab(Mali_pdm_2022$SERSRebondir) #NULL
table(Mali_pdm_2022$SERSRebondir)
class(Mali_pdm_2022$SERSRebondir)

Mali_pdm_2022 <- Mali_pdm_2022 %>% 
  dplyr::mutate(across(sers_variables,
                ~dplyr::recode(.,
                  "tout à fait d'accord" = 1,
                  "d'accord" = 2,
                  "ni d'accord ni pas d'accord" = 3,
                  "pas d'accord" = 4,
                  "pas du tout d'accord" = 5
                )))

Mali_pdm_2022 <- Mali_pdm_2022 %>% 
  #dplyr::mutate(across(sers_variables, as.character)) %>%
  dplyr::mutate(across(sers_variables,
                ~haven::labelled(., labels = c(
                  `tout à fait d'accord`=1,
                  `d'accord`=2,
                  `ni d'accord ni pas d'accord`=3,
                  `pas d'accord`=4 ,
                  `pas du tout d'accord`=5 
                ))))

table(Mali_pdm_2022$SERSRebondir)
expss::val_lab(Mali_pdm_2022$SERSRebondir)
class(Mali_pdm_2022$SERSRebondir)

31 ASSET BENEFIT INDICATOR (ABI)

expss::val_lab(Mali_ea_2020$ABIProteger)
unique(Mali_baseline_2018$ABIProteger)
table(Mali_baseline_2018$ABIProteger)
#Mon ajout
unique(Mali_baseline_2018$ABIProteger)
#0, 1, 2, NA
table(Mali_baseline_2018$ABIProteger)

unique(Mali_ea_2020$ABIProteger)
# 0, 1, 88, NA
table(Mali_ea_2020$ABIProteger)


unique(Mali_ea_2021$ABIProteger)
# 1,888, NA, 0
unique(Mali_ea_2022$ABIProteger)
#"Oui"         "Non"         "Ne sait pas"

unique(Mali_pdm_2022$ABIProteger)
#"Oui"         "Ne sait pas" "Non" 

expss::val_lab(Mali_baseline_2018$ABIProteger)
#Non Oui N/A 
# 0   1   2 
expss::val_lab(Mali_ea_2020$ABIProteger)
#NULL
expss::val_lab(Mali_ea_2021$ABIProteger)
#Non  Oui Ne sait pas 
#0    1         888 
expss::val_lab(Mali_ea_2022$ABIProteger)
#NULL
expss::val_lab(Mali_pdm_2022$ABIProteger)
#NULL
# 0=Non ; 1=Oui ; 888=Ne sait pas ;
#MON AJOUT
abi_variables = Mali_baseline_2018 %>% dplyr::select(gtsummary::starts_with("ABI")) %>% names()
abi_variables <- c(abi_variables,"ActifCreationEmploi",
"BeneficieEmploi",
"TRavailMaintienActif")
#
abi_variables <- abi_variables[! abi_variables %in% c('ABISexparticipant')]

#########################################################

expss::val_lab(Mali_baseline_2018$ABIProteger)
table(Mali_baseline_2018$ABIProteger)
#0, 1, 2, NA

Mali_baseline_2018 <- Mali_baseline_2018 %>% 
  dplyr::mutate(across(abi_variables,
                ~recode(.,
                  "Non" = 0,
                  "Oui" = 1,
                  "Ne sait pas" = 888
                 )))

Mali_baseline_2018 <- Mali_baseline_2018 %>% 
  dplyr::mutate(across(abi_variables,
                ~labelled(., labels = c(
                  `Non` = 0,
                  `Oui` = 1,
                  `Ne sait pas` = 888
                )
                )))

expss::val_lab(Mali_baseline_2018$ABIProteger)
#################################################################################""

expss::val_lab(Mali_ea_2020$ABIProteger)
table(Mali_ea_2020$ABIProteger)

# 0, 1, 88, NA
Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(across(abi_variables,
                ~recode(.,
                  "Non" = 0,
                  "Oui" = 1,
                  "Ne sait pas" = 888 )))

Mali_ea_2020 <- Mali_ea_2020 %>% 
  dplyr::mutate(across(abi_variables,
                ~labelled(., labels = c(
                  `Non` = 0,
                  `Oui` = 1,
                  `Ne sait pas` = 888
                )
                )
  )
  )
expss::val_lab(Mali_ea_2020$ABIProteger)
####################################################################################


expss::val_lab(Mali_ea_2021$ABIProteger)
table(Mali_ea_2021$ABIProteger)
# 1,888, NA, 0
Mali_ea_2021 <- Mali_ea_2021 %>% 
  dplyr::mutate(across(abi_variables,
                ~recode(.,
                  "Non" = 0,
                  "Oui" = 1,
                  "Ne sait pas" = 888
                 )
  )
  )
Mali_ea_2021 <- Mali_ea_2021 %>% 
  dplyr::mutate(across(abi_variables,
                ~labelled(., labels = c(
                  `Non` = 0,
                  `Oui` = 1,
                  `Ne sait pas` = 888
                )
                )
  )
  )
expss::val_lab(Mali_ea_2021$ABIProteger)
######################################################################################################


expss::val_lab(Mali_ea_2022$ABIProteger)#NULL
table(Mali_ea_2022$ABIProteger)

Mali_ea_2022 <- Mali_ea_2022 %>% 
  dplyr::mutate(across(abi_variables,
                ~recode(.,
                  "Non" = 0,
                  "Oui" = 1,
                  "Ne sait pas" = 888
                 )
  )
  )

Mali_ea_2022 <- Mali_ea_2022 %>% 
  dplyr::mutate(across(abi_variables,
                ~labelled(., labels = c(
                  `Non` = 0,
                  `Oui` = 1,
                  `Ne sait pas` = 888
                )
                )
  )
  )
expss::val_lab(Mali_ea_2022$ABIProteger)
#################################################################################################



expss::val_lab(Mali_pdm_2022$ABIProteger)#NULL
table(Mali_pdm_2022$ABIProteger)

Mali_pdm_2022 <- Mali_pdm_2022 %>% 
  dplyr::mutate(across(abi_variables,
                ~recode(.,
                  "Non" = 0,
                  "Oui" = 1,
                  "Ne sait pas" = 888
                 )
  )
  )


Mali_pdm_2022 <- Mali_pdm_2022 %>% 
  dplyr::mutate(across(abi_variables,
                ~labelled(., labels = c(
                  `Non` = 0,
                  `Oui` = 1,
                  `Ne sait pas` = 888
                )
                )
  )
  )

expss::val_lab(Mali_pdm_2022$ABIProteger)
table(Mali_baseline_2018$ABISexparticipant) #vide

###############################################################"
table(Mali_ea_2020$ABISexparticipant) #Vide

###################################################"
table(Mali_ea_2021$ABISexparticipant) # 1 2
expss::val_lab(Mali_ea_2021$ABISexparticipant) #Masculin=1  Féminin=2



Mali_ea_2021$ABISexparticipant<-dplyr::recode(Mali_ea_2021$ABISexparticipant, "1" = 1, "2"=0)


Mali_ea_2021$ABISexparticipant <- labelled::labelled(Mali_ea_2021$ABISexparticipant, c(Femme = 0, Homme = 1))


Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,ABISexparticipant)

########################################################################################""

table(Mali_ea_2022$ABISexparticipant) #Féminin Masculin 
expss::val_lab(Mali_ea_2022$ABISexparticipant) # NULL

#Mali_ea_2022$ABISexparticipant <- fct_recode(
 #   Mali_ea_2022$ABISexparticipant,
  #  "1" = "Masculin",
   # "2" = "Féminin")

Mali_ea_2022$ABISexparticipant<-dplyr::recode(Mali_ea_2022$ABISexparticipant, "Féminin" = 0, "Masculin"=1)

#Mali_ea_2022$ABISexparticipant<-dplyr::recode(Mali_ea_2022$ABISexparticipant, "Homme" = 1, "Femme"=0, "3"=1)


Mali_ea_2022$ABISexparticipant <- labelled::labelled(Mali_ea_2022$ABISexparticipant, c(Femme = 0, Homme = 1))


expss::val_lab(Mali_ea_2022$ABISexparticipant) #OK

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T,ABISexparticipant)

#################################################"

table(Mali_pdm_2022$ABISexparticipant)#Féminin Masculin 

expss::val_lab(Mali_pdm_2022$ABISexparticipant) # NULL

#Mali_pdm_2022$ABISexparticipant <- fct_recode(
    #Mali_pdm_2022$ABISexparticipant,
   # "1" = "Masculin",
 #   "2" = "Féminin")
#Mali_pdm_2022$ABISexparticipant<-as.numeric(Mali_pdm_2022$ABISexparticipant)
#val_labels(Mali_pdm_2022$ABISexparticipant) <- c( Homme= 1, Femme = 2)


Mali_pdm_2022$ABISexparticipant<-dplyr::recode(Mali_pdm_2022$ABISexparticipant, "Homme" = 1, "Femme"=0, "3"=1)


Mali_pdm_2022$ABISexparticipant <- labelled::labelled(Mali_pdm_2022$ABISexparticipant, c(Femme = 0, Homme = 1))


expss::val_lab(Mali_pdm_2022$ABISexparticipant) #OK

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T,ABISexparticipant)

32 DEPART EN EXODE ET MIGRATION

table(Mali_baseline_2018$MigrationEmploi) #que des NA

Mali_baseline_2018$MigrationEmploi <- labelled::labelled(Mali_baseline_2018$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888))
#####################################################
table(Mali_ea_2020$MigrationEmploi) # 0 1
expss::val_lab(Mali_ea_2020$MigrationEmploi) # NULL

#Mali_ea_2020$MigrationEmploi<-as.numeric(Mali_ea_2020$MigrationEmploi)
#Mali_ea_2020$MigrationEmploi<-dplyr::recode(Mali_ea_2020$MigrationEmploi, `1` = 1, `0`=0)
Mali_ea_2020$MigrationEmploi <- labelled::labelled(Mali_ea_2020$MigrationEmploi, c(Non= 0, Oui = 1, `Ne sait pas`=888))
#val_labels(Mali_ea_2020$MigrationEmploi) <- c( Non= 0, Oui = 1)

expss::val_lab(Mali_ea_2020$MigrationEmploi) #OK

###################################################" OK

table(Mali_ea_2021$MigrationEmploi) # 0 1 888
expss::val_lab(Mali_ea_2021$MigrationEmploi) # 0=Non 1=Oui 888=Ne sait pas

#Mali_ea_2021$MigrationEmploi<-dplyr::recode(Mali_ea_2021$MigrationEmploi, `0` = 0, `1`=1, `888` = NA)

################################################"

table(Mali_ea_2022$MigrationEmploi)
expss::val_lab(Mali_ea_2022$MigrationEmploi) # NULL

Mali_ea_2022$MigrationEmploi<-dplyr::recode(Mali_ea_2022$MigrationEmploi, "Oui" = 1, "Non"=0, "Ne sait pas" =888)

Mali_ea_2022$MigrationEmploi <- labelled::labelled(Mali_ea_2022$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888 ))

#val_labels( Mali_ea_2022$MigrationEmploi) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)

expss::val_lab( Mali_ea_2022$MigrationEmploi) #OK
#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T,MigrationEmploi)

#################################################"

table(Mali_pdm_2022$MigrationEmploi)# Ne sait pas         Non         Oui

expss::val_lab(Mali_pdm_2022$MigrationEmploi) # NULL


#Mali_pdm_2022$MigrationEmploi <- fct_recode(
 #   Mali_pdm_2022$MigrationEmploi,
  #  "0"="Non",
   # "1" = "Oui",
    #"888" = "Ne sait pas")

Mali_pdm_2022$MigrationEmploi<-dplyr::recode(Mali_pdm_2022$MigrationEmploi, "Oui" = 1, "Non"=0, "Ne sait pas" =888)


Mali_pdm_2022$MigrationEmploi <- labelled::labelled(Mali_pdm_2022$MigrationEmploi, c(Non= 0, Oui=1, `Ne sait pas` = 888 ))

#Mali_pdm_2022$MigrationEmploi<-as.numeric( Mali_pdm_2022$MigrationEmploi)
#val_labels( Mali_pdm_2022$MigrationEmploi) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)

expss::val_lab(Mali_pdm_2022$MigrationEmploi) #OK
#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T,MigrationEmploi)
table(Mali_baseline_2018$RaisonMigration) #vide

Mali_baseline_2018$RaisonMigration <- labelled::labelled(Mali_baseline_2018$RaisonMigration, c(`Recherche d’opportunités économiques`  = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))

#####################################################
table(Mali_ea_2020$RaisonMigration) #
#1   2   3   4   5   6   7   8   9  10 999 

expss::val_lab(Mali_ea_2020$RaisonMigration)# NULL

#class(Mali_ea_2020$RaisonMigration) #numeric

#Mali_ea_2022$MigrationEmploi<-dplyr::recode(Mali_ea_2022$MigrationEmploi, `1` = 1, `2`=0, `3` =888)


#Mali_ea_2020$RaisonMigration<-as.character(Mali_ea_2020$RaisonMigration)
Mali_ea_2020$RaisonMigration <-dplyr::recode(
    Mali_ea_2020$RaisonMigration,
    `1`=1,
    `2`=2,
    `3`=3,
    `4`=4,
    `5`=5,
    `6`=6,
    `7`=7,
    `8`=8,
    `9`=9,
    `10`=9,
    `999`=9)

#Mali_ea_2020$RaisonMigration<-as.numeric(Mali_ea_2020$RaisonMigration)

Mali_ea_2020$RaisonMigration <- labelled::labelled(Mali_ea_2020$RaisonMigration, c(`Recherche d’opportunités économiques`  = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))


expss::val_lab(Mali_ea_2020$RaisonMigration) #OK

#Mali_ea_2020 %>% 
 # plot_frq(coord.flip =T,RaisonMigration) #OK

############################################################################

table(Mali_ea_2021$RaisonMigration) # 1  2  3 4 5 6 7 8 9 other 
expss::val_lab(Mali_ea_2021$RaisonMigration) # il y a des labels mais pas bon
class(Mali_ea_2021$RaisonMigration) #character

Mali_ea_2021$RaisonMigration <-dplyr::recode(
    Mali_ea_2021$RaisonMigration,
    "1"=1,
    "2" = 2,
    "3" = 3,
    "4"=4,
    "5"=5,
    "6"=6,
    "7"=7,
    "8"=8,
    "9"=9,
    "other"=9)

#Mali_ea_2021$RaisonMigration<-as.numeric(Mali_ea_2021$RaisonMigration)

Mali_ea_2021$RaisonMigration <- labelled::labelled(Mali_ea_2021$RaisonMigration,c( `Recherche d’opportunités économiques`  = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)`= 2,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Violence ciblée ou persécution` =8,
`Autres à préciser` =9))
  
#val_labels(Mali_ea_2021$RaisonMigration) <- c( )

expss::val_lab(Mali_ea_2021$RaisonMigration) #OK

#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T,RaisonMigration) #OK

################################################

table(Mali_ea_2022$RaisonMigration) #Difficultés alimentaires conjoncturelles  Guerre/conflit
unique(Mali_ea_2022$RaisonMigration)

expss::val_lab(Mali_ea_2022$RaisonMigration) #NULL

Mali_ea_2022$RaisonMigration <-dplyr::recode(
    Mali_ea_2022$RaisonMigration,
    "Recherche d'opportunités économiques"=1,
    "Accès aux services de base (santé, éducation…)" = 3,
    "Difficultés alimentaires conjoncturelles"=4,
    "Uniquement en année de crise alimentaire"=5,
    "La migration fait désormais partie des moyens d'existence classique"=6,
    "Guerre/conflit"=7,
    "Other"=9)

# Mali_ea_2022$RaisonMigration<-as.numeric( Mali_ea_2022$RaisonMigration)
 
#val_labels( Mali_ea_2022$RaisonMigration) <- c( Non= 0, Oui=1, `Ne sait pas` = 888)

Mali_ea_2022$RaisonMigration <- labelled::labelled(Mali_ea_2022$RaisonMigration, c( `Recherche d’opportunités économiques`  = 1,
`Accès aux services de base (santé, éducation…)` =3,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`La migration fait désormais partie des moyens d’existence classique`=6,
`Guerre/conflit` =7,
`Autres à préciser` =9))

#val_labels(Mali_ea_2022$RaisonMigration) <- 

expss::val_lab( Mali_ea_2022$RaisonMigration) #OK
table(Mali_ea_2022$RaisonMigration)

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T,RaisonMigration) #OK

#################################################" OK

table(Mali_pdm_2022$RaisonMigration)
unique(Mali_pdm_2022$RaisonMigration)

expss::val_lab(Mali_pdm_2022$RaisonMigration) #NULL

Mali_pdm_2022$RaisonMigration <-dplyr::recode(
    Mali_pdm_2022$RaisonMigration,
    "Recherche d'opportunités économiques"=1,
    "Catastrophes naturelles (par ex., inondations, sécheresse, etc.)"=2,
    "Uniquement en année de crise alimentaire"=5,
    "Difficultés alimentaires conjoncturelles"=4,
    "Guerre/conflit"=7,
    "Other"=9)

#Mali_pdm_2022$RaisonMigration<-as.numeric(Mali_pdm_2022$RaisonMigration)

#table(Mali_pdm_2022$RaisonMigration)
#val_labels(Mali_pdm_2022$RaisonMigration) <-
  
Mali_pdm_2022$RaisonMigration <- labelled::labelled(Mali_pdm_2022$RaisonMigration,  c( `Recherche d’opportunités économiques`  = 1,
`Catastrophes naturelles (par ex., inondations, sécheresse, etc.)` =2,
`Difficultés alimentaires conjoncturelles`=4,
`Uniquement en année de crise alimentaire`=5,
`Guerre/conflit` =7,
`Autres à préciser` =9))

expss::val_lab(Mali_pdm_2022$RaisonMigration) #OK

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T,RaisonMigration)
table(Mali_baseline_2018$AutreRaisonEconomiques)#vide

Mali_baseline_2018$AutreRaisonEconomiques <- labelled::labelled(Mali_baseline_2018$AutreRaisonEconomiques, 
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2, 
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
#################################################################"

table(Mali_ea_2020$AutreRaisonEconomiques)#vide
Mali_ea_2020$AutreRaisonEconomiques<- labelled::labelled(Mali_ea_2020$AutreRaisonEconomiques, 
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2, 
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))

###################################################################
table(Mali_ea_2022$AutreRaisonEconomiques)#vide
Mali_ea_2022$AutreRaisonEconomiques<- labelled::labelled(Mali_ea_2022$AutreRaisonEconomiques, 
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2, 
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))

##########################################################################
table(Mali_pdm_2022$AutreRaisonEconomiques)#vide
Mali_pdm_2022$AutreRaisonEconomiques<- labelled::labelled(Mali_pdm_2022$AutreRaisonEconomiques, 
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2, 
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))
#############################################################
table(Mali_ea_2021$AutreRaisonEconomiques)
unique(Mali_ea_2021$AutreRaisonEconomiques)
class(Mali_ea_2021$AutreRaisonEconomiques)

Mali_ea_2021$AutreRaisonEconomiques <-dplyr::recode(
    Mali_ea_2021$AutreRaisonEconomiques,
    "2"=2,
    "3"=3,
    "4"=4)

Mali_ea_2021$AutreRaisonEconomiques <- labelled::labelled(Mali_ea_2021$AutreRaisonEconomiques, 
c(`Déplacements quotidiens/hebdomadaires pour le travail` =2, 
`Activité agricole et pastorale (transhumance, migration saisonnière)`=3,
`Recherche d'opportunités d'emploi à l'étranger`=4))

expss::val_lab(Mali_ea_2021$AutreRaisonEconomiques) #
#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T,AutreRaisonEconomiques)
table(Mali_baseline_2018$RaisonAccesServices)#vide

Mali_baseline_2018$RaisonAccesServices <- labelled::labelled(Mali_baseline_2018$RaisonAccesServices,  c( `Accès à la nourriture, à l'eau`  = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
###############################################################################

table(Mali_ea_2020$RaisonAccesServices)#vide

Mali_ea_2020$RaisonAccesServices <- labelled::labelled(Mali_ea_2020$RaisonAccesServices,  c( `Accès à la nourriture, à l'eau`  = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))

##############################################################
table(Mali_ea_2021$RaisonAccesServices) # 1 2 3
expss::val_lab(Mali_ea_2021$RaisonAccesServices)
class(Mali_ea_2021$RaisonAccesServices) #character


#Mali_ea_2021$RaisonAccesServices<-as.character(Mali_ea_2021$RaisonAccesServices)

Mali_ea_2021$RaisonAccesServices <-dplyr::recode( Mali_ea_2021$RaisonAccesServices,"1"=1,"2"=2,"3"=3)

Mali_ea_2021$RaisonAccesServices <- labelled::labelled(Mali_ea_2021$RaisonAccesServices,  c( `Accès à la nourriture, à l'eau`  = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))


table(Mali_ea_2021$RaisonAccesServices)

#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T, RaisonAccesServices)

###############################################################
table(Mali_ea_2022$RaisonAccesServices) #Accès à la nourriture, à l'eau
expss::val_lab(Mali_ea_2022$RaisonAccesServices) #NULL

Mali_ea_2022$RaisonAccesServices <-dplyr::recode(
    Mali_ea_2022$RaisonAccesServices,
     "Accès à la nourriture, à l'eau"=1)


#Mali_ea_2022$RaisonAccesServices<-as.numeric(Mali_ea_2022$RaisonAccesServices)

Mali_ea_2022$RaisonAccesServices <- labelled::labelled(Mali_ea_2022$RaisonAccesServices, c( `Accès à la nourriture, à l'eau`  = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))
                                                    
#val_labels(Mali_ea_2022$RaisonAccesServices) <- 

expss::val_lab(Mali_ea_2022$RaisonAccesServices) #OK

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, RaisonAccesServices)


###############################################################
table(Mali_pdm_2022$RaisonAccesServices) # 
unique(Mali_pdm_2022$RaisonAccesServices)

Mali_pdm_2022$RaisonAccesServices <-dplyr::recode( Mali_pdm_2022$RaisonAccesServices,"Accès à la nourriture, à l'eau"=1,"L'accès aux services de base (éducation primaire, soins de santé primaires)"=2)

Mali_pdm_2022$RaisonAccesServices <- labelled::labelled(Mali_pdm_2022$RaisonAccesServices,  c( `Accès à la nourriture, à l'eau`  = 1,`L'accès aux services de base (éducation primaire, soins de santé primaires)` =2,`Accès aux services humanitaires`=3,`Enseignement supérieur (lycée et niveaux supérieurs)`=4, `Santé (soins médicaux spécialisés)`=5,`Autres services` =6))

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, RaisonAccesServices)
table(Mali_baseline_2018$DestinationMigration) #1   2   3   4   5   6
expss::val_lab(Mali_baseline_2018$DestinationMigration) 


Mali_baseline_2018$DestinationMigration <-dplyr::recode(Mali_baseline_2018$DestinationMigration, 
                                                  `1`=1,
                                                  `2`=2,
                                                  `3`=2,
                                                  `4`=2,
                                                  `5`=2,
                                                  `6`=3,
                                                  `7`=3)

Mali_baseline_2018$DestinationMigration <- labelled::labelled(Mali_baseline_2018$DestinationMigration, 
                                                              c( `Ville/Capitale`= 1, 
                                                                 `Un autre pays d’Afrique`=2, 
                                                                 `Hors Afrique`=3))
                                                    
#val_labels(Mali_ea_2022$RaisonAccesServices) <- 

expss::val_lab(Mali_baseline_2018$DestinationMigration) #OK

#Mali_baseline_2018 %>% 
 # plot_frq(coord.flip =T, DestinationMigration)

######################################################################


table(Mali_ea_2020$DestinationMigration) # 1   2   3   4   5   6   7 999
expss::val_lab(Mali_ea_2020$DestinationMigration)

Mali_ea_2020$DestinationMigration <-dplyr::recode(Mali_ea_2020$DestinationMigration, 
                                                  `1`=1,
                                                  `2`=2,
                                                  `3`=2,
                                                  `4`=2,
                                                  `5`=2,
                                                  `6`=3,
                                                  `7`=3,
                                                  `999`=3)

Mali_ea_2020$DestinationMigration <- labelled::labelled(Mali_ea_2020$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))

expss::val_lab(Mali_ea_2020$DestinationMigration) 

#Mali_ea_2020 %>% 
 # plot_frq(coord.flip =T, DestinationMigration)

########################################################################################

table(Mali_ea_2021$DestinationMigration)
expss::val_lab(Mali_ea_2021$DestinationMigration) 

#          1   1 2 1 2 3     2   2 1     3   3 2 other 
# 5652   436    59     1    93    15     2     2     7 
#Mali_ea_2021$DestinationMigration <- labelled::labelled(as.numeric(Mali_ea_2021$DestinationMigration), c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))

###############################################################

table(Mali_ea_2022$DestinationMigration) #

unique(Mali_ea_2022$DestinationMigration)
expss::val_lab(Mali_ea_2022$DestinationMigration) #NULL

Mali_ea_2022$DestinationMigration <-dplyr::recode(Mali_ea_2022$DestinationMigration, 
                                                  "Ville/Capitale"=1,
                                                  "Un autre pays d'Afrique Hors Afrique"=2,
                                                  "Hors Afrique Un autre pays d'Afrique"=3,
                                                  "Un autre pays d'Afrique"=2,
                                                  "Ville/Capitale Un autre pays d'Afrique"=1,
                                                  "Un autre pays d'Afrique Ville/Capitale"=2,
                                                  "Hors Afrique"=3,
                                                  "Other"=3)


Mali_ea_2022$DestinationMigration <- labelled::labelled(Mali_ea_2022$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))
                                                    
#val_labels(Mali_ea_2022$RaisonAccesServices) <- 

expss::val_lab(Mali_ea_2022$DestinationMigration) #OK

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, DestinationMigration)


###################################################################"
expss::val_lab(Mali_pdm_2022$DestinationMigration)
table(Mali_pdm_2022$DestinationMigration)
#unique(Mali_pdm_2022$DestinationMigration)

Mali_pdm_2022$DestinationMigration <-dplyr::recode( Mali_pdm_2022$DestinationMigration,
                                                  "Ville/Capitale"=1,
                                                  "Un autre pays d'Afrique Hors Afrique"=2,
                                                  "Hors Afrique Un autre pays d'Afrique"=3,
                                                  "Un autre pays d'Afrique"=2,
                                                  "Ville/Capitale Un autre pays d'Afrique"=1,
                                                  "Un autre pays d'Afrique Ville/Capitale"=2,
                                                  "Hors Afrique"=3,
                                                  "Other"=3)

Mali_pdm_2022$DestinationMigration <- labelled::labelled(Mali_pdm_2022$DestinationMigration, c( `Ville/Capitale`= 1, `Un autre pays d’Afrique`=2, `Hors Afrique`=3))


#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, DestinationMigration)
table(Mali_baseline_2018$DureeMigration) #Vide
Mali_baseline_2018$DureeMigration <- labelled::labelled(Mali_baseline_2018$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))
######################################################################


table(Mali_ea_2020$DureeMigration) # Vide
Mali_ea_2020$DureeMigration <- labelled::labelled(Mali_ea_2020$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))

########################################################################################

table(Mali_ea_2021$DureeMigration)
expss::val_lab(Mali_ea_2021$DureeMigration) 

Mali_ea_2021$DureeMigration <-dplyr::recode(Mali_ea_2021$DureeMigration, 
                                                  "1"=1,
                                                  "2"=2,
                                                  "3"=3,
                                                  "4"=4,
                                                  "5"=5,
                                                  "6"=6,
                                                  "other"=6)

Mali_ea_2021$DureeMigration <- labelled::labelled(Mali_ea_2021$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))

expss::val_lab(Mali_ea_2021$DureeMigration) 

#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T, DureeMigration)


###############################################################

table(Mali_ea_2022$DureeMigration) #

unique(Mali_ea_2022$DureeMigration)
#expss::val_lab(Mali_ea_2022$DureeMigration) #NULL

Mali_ea_2022$DureeMigration <-dplyr::recode(Mali_ea_2022$DureeMigration, 
                                                  "Mois d'un mois"=1,
                                                  "1 à 3 mois"=2,
                                                  "3 à 6 mois"=3,
                                                  "6 à 9 mois"=4,
                                                  "10 à 12 mois"=5,
                                                  "Plus de 12 mois."=6,
                                                  "Other"=6)

                                                    
Mali_ea_2022$DureeMigration <- labelled::labelled(Mali_ea_2022$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))

expss::val_lab(Mali_ea_2022$DureeMigration) 

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, DureeMigration) #OK

###################################################################"
#expss::val_lab(Mali_pdm_2022$DureeMigration)
#table(Mali_pdm_2022$DureeMigration)
unique(Mali_pdm_2022$DureeMigration)

Mali_pdm_2022$DureeMigration <-dplyr::recode(Mali_pdm_2022$DureeMigration, 
                                                  "Mois d'un mois"=1,
                                                  "1 à 3 mois"=2,
                                                  "3 à 6 mois"=3,
                                                  "6 à 9 mois"=4,
                                                  "10 à 12 mois"=5,
                                                  "Plus de 12 mois."=6,
                                                  "Other"=6)

Mali_pdm_2022$DureeMigration <- labelled::labelled(Mali_pdm_2022$DureeMigration, c( `Mois d'un mois`= 1, `1 à 3 mois`=2, `3 à 6 mois`=3, `6 à 9 mois`=4, `10 à 12 mois`=5, `Plus de 12 mois`=6))

expss::val_lab(Mali_pdm_2022$DureeMigration) 

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, DureeMigration)
table(Mali_baseline_2018$TendanceMigration) #Vide
Mali_baseline_2018$TendanceMigration <- labelled::labelled(Mali_baseline_2018$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
######################################################################


table(Mali_ea_2020$TendanceMigration) # Vide

Mali_ea_2020$TendanceMigration <- labelled::labelled(Mali_ea_2020$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))
########################################################################################

table(Mali_ea_2021$TendanceMigration)
unique(Mali_ea_2021$TendanceMigration)
class(Mali_ea_2021$TendanceMigration)
expss::val_lab(Mali_ea_2021$TendanceMigration) 

Mali_ea_2021$TendanceMigration <- labelled::labelled(Mali_ea_2021$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))


#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T, TendanceMigration) #OK


###############################################################

#table(Mali_ea_2022$TendanceMigration) #

unique(Mali_ea_2022$TendanceMigration)
expss::val_lab(Mali_ea_2022$TendanceMigration) #NULL

Mali_ea_2022$TendanceMigration <-dplyr::recode(Mali_ea_2022$TendanceMigration, 
                                                  "Beaucoup augmenté"=1,
                                                  "Légèrement augmenté"=2,
                                                  "Stable"=3,
                                                  "Beaucoup baissé"=4,
                                                  "Légèrement baissé"=5,
                                                  "Ne sait pas ;"=6)

                                                    
Mali_ea_2022$TendanceMigration <- labelled::labelled(Mali_ea_2022$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))

#expss::val_lab(Mali_ea_2022$TendanceMigration) 

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, TendanceMigration) #OK

###################################################################"
#expss::val_lab(Mali_pdm_2022$TendanceMigration)
#table(Mali_pdm_2022$TendanceMigration)
unique(Mali_pdm_2022$TendanceMigration)

Mali_pdm_2022$TendanceMigration <-dplyr::recode(Mali_pdm_2022$TendanceMigration, 
                                                  "Beaucoup augmenté"=1,
                                                  "Légèrement augmenté"=2,
                                                  "Stable"=3,
                                                  "Beaucoup baissé"=4,
                                                  "Légèrement baissé"=5
                                                  )

Mali_pdm_2022$TendanceMigration <- labelled::labelled(Mali_pdm_2022$TendanceMigration, c( `Beaucoup augmenté`= 1, `Légèrement augmenté`=2, `Stable`=3, `Beaucoup baissé`=4, `Légèrement baissé`=5, `Ne sait pas`=6))

#expss::val_lab(Mali_pdm_2022$TendanceMigration) 

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, TendanceMigration)
table(Mali_baseline_2018$RaisonHausseMig) #Vide
Mali_baseline_2018$RaisonHausseMig <- labelled::labelled(Mali_baseline_2018$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
######################################################################


table(Mali_ea_2020$RaisonHausseMig) # Vide

Mali_ea_2020$RaisonHausseMig <- labelled::labelled(Mali_ea_2020$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))
########################################################################################

#table(Mali_ea_2021$RaisonHausseMig)
#expss::val_lab(Mali_ea_2021$RaisonHausseMig) 
unique(Mali_ea_2021$RaisonHausseMig) 

Mali_ea_2021$RaisonHausseMig <-dplyr::recode(Mali_ea_2021$RaisonHausseMig, 
                                                  "1"=1,
                                                  "2"=2,
                                                  "3"=3,
                                                  "4"=4,
                                                  "other"=5
                                                  )

Mali_ea_2021$RaisonHausseMig <- labelled::labelled(Mali_ea_2021$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))

#expss::val_lab(Mali_ea_2021$RaisonHausseMig) 

#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T, RaisonHausseMig) #OK


##################################################################################################"
#table(Mali_ea_2022$RaisonHausseMig)
#expss::val_lab(Mali_ea_2022$RaisonHausseMig)
unique(Mali_ea_2022$RaisonHausseMig)

Mali_ea_2022$RaisonHausseMig <-dplyr::recode(Mali_ea_2022$RaisonHausseMig, 
                                                  "Difficultés alimentaires conjoncturelles"=1,
                                                  "Manque d'opportunités économiques"=2,
                                                  "Uniquement en année de crise alimentaire"=3,
                                                  "La migration fait désormais partie des moyens d'existence classique"=4,
                                                  "Other"=5
                                                  )

Mali_ea_2022$RaisonHausseMig <- labelled::labelled(Mali_ea_2022$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))

#expss::val_lab(Mali_ea_2022$RaisonHausseMig) 

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, RaisonHausseMig) #OK

#######################################################################################################

#table(Mali_pdm_2022$RaisonHausseMig)
#expss::val_lab(Mali_pdm_2022$RaisonHausseMig)
unique(Mali_pdm_2022$RaisonHausseMig)

Mali_pdm_2022$RaisonHausseMig <-dplyr::recode(Mali_pdm_2022$RaisonHausseMig, 
                                                  "Difficultés alimentaires conjoncturelles"=1,
                                                  "Manque d'opportunités économiques"=2,
                                                  "Uniquement en année de crise alimentaire"=3,
                                                  "La migration fait désormais partie des moyens d'existence classique"=4,
                                                  "Other"=5
                                                  )

Mali_pdm_2022$RaisonHausseMig <- labelled::labelled(Mali_pdm_2022$RaisonHausseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Autres à préciser `=5))

#expss::val_lab(Mali_pdm_2022$RaisonHausseMig) 

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, RaisonHausseMig)
table(Mali_baseline_2018$RaisonBaisseMig) #Vide
Mali_baseline_2018$RaisonBaisseMig <- labelled::labelled(Mali_baseline_2018$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))
######################################################################


table(Mali_ea_2020$RaisonBaisseMig) # Vide
Mali_ea_2020$RaisonBaisseMig <- labelled::labelled(Mali_ea_2020$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))

########################################################################################

#table(Mali_ea_2021$RaisonBaisseMig)
#expss::val_lab(Mali_ea_2021$RaisonBaisseMig) 
unique(Mali_ea_2021$RaisonBaisseMig)

Mali_ea_2021$RaisonBaisseMig <-dplyr::recode(Mali_ea_2021$RaisonBaisseMig, 
                                                  "1"=1,
                                                  "2"=2,
                                                  "3"=3,
                                                  "4"=4,
                                                  "5"=5,
                                                  "other"=6
                                                  )

Mali_ea_2021$RaisonBaisseMig <- labelled::labelled(Mali_ea_2021$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))

expss::val_lab(Mali_ea_2021$RaisonBaisseMig) 

#Mali_ea_2021 %>% 
 # plot_frq(coord.flip =T, RaisonBaisseMig) #OK


##################################################################################################"


#table(Mali_ea_2022$RaisonBaisseMig)
#expss::val_lab(Mali_ea_2022$RaisonBaisseMig) 
unique(Mali_ea_2022$RaisonBaisseMig)

Mali_ea_2022$RaisonBaisseMig <-dplyr::recode(Mali_ea_2022$RaisonBaisseMig, 
                                                  "Difficultés alimentaires conjoncturelles"=1,
                                                  "Manque d'opportunités économiques"=2,
                                                  "Uniquement en année de crise alimentaire"=3,
                                                  "La migration fait désormais partie des moyens d'existence classique"=4,
                                              "Emergence d'opportunités économiques grâce aux actifs créés/réhabilités"=5
                                                  )

Mali_ea_2022$RaisonBaisseMig <- labelled::labelled(Mali_ea_2022$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))

#expss::val_lab(Mali_ea_2022$RaisonBaisseMig) 

#Mali_ea_2022 %>% 
 # plot_frq(coord.flip =T, RaisonBaisseMig) #OK

#####################################################################################################
#table(Mali_pdm_2022$RaisonBaisseMig)
#expss::val_lab(Mali_pdm_2022$RaisonBaisseMig)
unique(Mali_pdm_2022$RaisonBaisseMig)

Mali_pdm_2022$RaisonBaisseMig <-dplyr::recode(Mali_pdm_2022$RaisonBaisseMig, 
                                                  "Difficultés alimentaires conjoncturelles"=1,
                                                  "Manque d'opportunités économiques"=2,
                                                  "Uniquement en année de crise alimentaire"=3,
                                                  "La migration fait désormais partie des moyens d'existence classique"=4,
                                                "Emergence d'opportunités économiques grâce aux actifs créés/réhabilités"=5
                                                  )

Mali_pdm_2022$RaisonBaisseMig <- labelled::labelled(Mali_pdm_2022$RaisonBaisseMig, c( `Difficultés alimentaires conjoncturelles`= 1, `Manque d'opportunités économiques`=2, `Uniquement en année de crise alimentaire`=3, `La migration fait désormais partie des moyens d'existence classique`=4, `Emergence d'opportunités économiques grâce aux actifs créés/réhabilités`=5,`Autres à préciser `=6))

#expss::val_lab(Mali_pdm_2022$RaisonBaisseMig) 

#Mali_pdm_2022 %>% 
 # plot_frq(coord.flip =T, RaisonBaisseMig) #OK

33 Social capital index (Indice de capital social)

34 DIVERSITE ALIMENTAIRE DES FEMMES

35 Régime alimentaire minimum acceptable (MAD)

36 Date format check

Mali_baseline_2018$SvyDatePDM<-as.Date(Mali_baseline_2018$SvyDatePDM, origin = "1899-12-30" )

Mali_ea_2020$SvyDatePDM<-as.Date(Mali_ea_2020$SvyDatePDM, origin = "1899-12-30" )

Mali_ea_2021$SvyDatePDM<-as.Date(Mali_ea_2021$SvyDatePDM, origin = "1899-12-30" )

Mali_ea_2022$SvyDatePDM<-as.Date(Mali_ea_2022$SvyDatePDM, origin = "1899-12-30" )

Mali_pdm_2022$SvyDatePDM<-as.Date(Mali_pdm_2022$SvyDatePDM, origin = "1899-12-30" )
unique(Mali_baseline_2018$SvyDatePDM)
unique(Mali_ea_2020$SvyDatePDM)
unique(Mali_ea_2021$SvyDatePDM)
unique(Mali_ea_2022$SvyDatePDM)
unique(Mali_pdm_2022$SvyDatePDM)

37 Gender recodification

# We need to recode gender label to:
# 0 = Femme
# 1 = Homme


#View labels
expss::val_lab(Mali_baseline_2018$HHHSex)
table(Mali_baseline_2018$HHHSex)

#Masculin  Féminin 
#   0        1 

Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,HHHSex)

Mali_baseline_2018$HHHSex<-dplyr::recode(Mali_baseline_2018$HHHSex, `1` = 0L, .default = 1L, .combine_value_labels = TRUE)


#Check new labels
expss::val_lab(Mali_baseline_2018$HHHSex) #OK
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,HHHSex)

####################################################################################################################

#View labels
expss::val_lab(Mali_ea_2020$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2020$HHHSex) #1 2
expss::val_lab(Mali_ea_2020$RelationWith_HHH)
table(Mali_ea_2020$RelationWith_HHH) # peut pas identifier

Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,HHHSex)

Mali_ea_2020$HHHSex<-dplyr::recode(Mali_ea_2020$HHHSex, "1" = 1, "2" = 0)


#Check labels
expss::val_lab(Mali_ea_2020$HHHSex) #OK

Mali_ea_2020 %>% 
  plot_frq(coord.flip =T,HHHSex)

###############################################################################################################

#View labels
expss::val_lab(Mali_ea_2021$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2021$HHHSex) #1 2
#Masculin  Féminin 
#   1        2 

#table(Mali_ea_2021$RelationWith_HHH) #1    2    3    4    5    6    7    8 
#expss::val_lab(Mali_ea_2021$RelationWith_HHH)

Mali_ea_2021<-Mali_ea_2021 %>% 
  mutate(HHHSex=ifelse(is.na(HHHSex), RESPSex, HHHSex))


Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,HHHSex)

Mali_ea_2021$HHHSex<-dplyr::recode(Mali_ea_2021$HHHSex, `2` = 0L, .default = 1L)

Mali_ea_2021$HHHSex <- labelled::labelled(Mali_ea_2021$HHHSex, c(Femme = 0, Homme = 1))

#Check new labels
expss::val_lab(Mali_ea_2021$HHHSex) #ok
Mali_ea_2021%>% 
  plot_frq(coord.flip =T,HHHSex)

###############################################################################################################

#View labels
expss::val_lab(Mali_ea_2022$HHHSex) #Femme=0 Homme=1
table(Mali_ea_2022$HHHSex) #Féminin Masculin

Mali_ea_2022$HHHSex<-dplyr::recode(Mali_ea_2022$HHHSex, Féminin = 0L,  Masculin= 1L)


#Check labels
expss::val_lab(Mali_ea_2022$HHHSex)
# Femme Homme 
# 0      1

Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,HHHSex)

#################################################################################


#View labels
expss::val_lab(Mali_pdm_2022$HHHSex) #NULL
table(Mali_pdm_2022$HHHSex) #Vide

38 Household head education level

expss::val_lab(Mali_baseline_2018$HHHEdu) #NULL

#1 =  Aucun
#2 = Alphabétisé ou Coranique
#3 = Primaire
#4 = Secondaire
#5 = Supérieur

table(Mali_baseline_2018$HHHEdu) #Aucun   #Alphabétisé  #Coranique  #1er cycle fondamentale  #2e cycle fondamentale 

#Secondaire/Lycée/Enseignement technique et professionnel    #Supérieur

Mali_baseline_2018 <- Mali_baseline_2018 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"0"=1,"1"=2, "2"=2,"3"=3,"4"=4,"5"=4, "6"=5 ))

Mali_baseline_2018$HHHEdu <- labelled::labelled(Mali_baseline_2018$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3, Secondaire=4, Superieur=5))


#check labels (nouveau label)
expss::val_lab(Mali_baseline_2018$HHHEdu)

#Aucune  Alphabétisé ou Coranique     Primaire    Secondaire  Superieur 
# 1             2                        3            4          5 

Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,HHHEdu)

###########################################Mali_ea_2020 non traitée

expss::val_lab(Mali_ea_2020$HHHEdu)#NULL

#unique(Mali_ea_2020$HHHEdu)
# 1 2 3 4 5 6 7 8 9

#Aucun(1)   #Alphabétisé(2)  #Coranique(3)  #1er cycle fondamentale(4)  #2e cycle fondamentale(5) 

#Lycée(6)  #Enseignement technique(7)  #professionnel(8)    #Supérieur(9)

#table(Mali_ea_2020$HHHEdu) # 1 2 3 4 5 6 7 8 9


Mali_ea_2020 <- Mali_ea_2020 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"1"=1,"2"=2,"3"=2,"4"=3,"5"=4, "6"=4, "7"=4, "8"=4, "9"=5))
 
Mali_ea_2020$HHHEdu <- labelled::labelled(Mali_ea_2020$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))

expss::val_lab(Mali_ea_2020$HHHEdu)


#################################################################

expss::val_lab(Mali_ea_2021$HHHEdu) #null

table(Mali_ea_2021$HHHEdu)
#Aucun  #Alphabétisé ou Coranique  #1er cycle fondamentale  #2e cycle fondamentale  #Secondaire   #Supérieur

Mali_ea_2021 <- 
  Mali_ea_2021%>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"0"=1,"1"=2,"2"=2,"3"=3,"4"=4,"5"=5 ))

Mali_ea_2021$HHHEdu <- labelled::labelled(Mali_ea_2021$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3, Secondaire=4, Superieur=5))

expss::val_lab(Mali_ea_2021$HHHEdu)

Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,HHHEdu)

##################################################################"

expss::val_lab(Mali_ea_2022$HHHEdu)#NULL
table(Mali_ea_2022$HHHEdu)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"Aucun"=1,"Alphabétisé ou Coranique"=2,"1er cycle fondamentale"=3,"2e cycle fondamentale"=4, "Secondaire"=4,"Supérieur"=5))

Mali_ea_2022$HHHEdu <- labelled::labelled(Mali_ea_2022$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))

expss::val_lab(Mali_ea_2022$HHHEdu)
table(Mali_ea_2022$HHHEdu)

Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,HHHEdu)

##################################################################"


expss::val_lab(Mali_pdm_2022$HHHEdu)#NULL
table(Mali_pdm_2022$HHHEdu)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(HHHEdu = dplyr::recode(HHHEdu,"Aucun"=1,"Alphabétisé ou Coranique"=2,"1er cycle fondamentale"=3,"2e cycle fondamentale"=4, "Secondaire"=4,"Supérieur"=5))

Mali_pdm_2022$HHHEdu <- labelled::labelled(Mali_pdm_2022$HHHEdu, c(Aucune = 1, `Alphabétisé ou Coranique` = 2, Primaire= 3,Secondaire=4, Superieur=5))

39 HHHMainActivity

expss::val_lab(Mali_baseline_2018$HHHMainActivity) #NULL
table(Mali_baseline_2018$HHHMainActivity)

Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T,HHHMainActivity)


expss::val_lab(Mali_ea_2020$HHHMainActivity)#NULL
table(Mali_ea_2020$HHHMainActivity)


expss::val_lab(Mali_ea_2021$HHHMainActivity)#NULL
table(Mali_ea_2021$HHHMainActivity)

Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,HHHMainActivity)


expss::val_lab(Mali_ea_2022$HHHMainActivity)#NULL
table(Mali_ea_2022$HHHMainActivity)


expss::val_lab(Mali_pdm_2022$HHHMainActivity)#NULL
table(Mali_pdm_2022$HHHMainActivity)

40 HHHMatrimonial

# Monogame    Polygame     Divorcé(e)   Veuf/Veuve    Célibataire 
#   1           2           3              4           5 
expss::val_lab(Mali_baseline_2018$HHHMatrimonial) #null

table(Mali_baseline_2018$HHHMatrimonial)
#  Marié monogame  Marié polygame Divorcé /Séparé      Veuf/Veuve  Célibataire
#        1               2               3               4         5
               

Mali_baseline_2018 <- 
  Mali_baseline_2018 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=5))

Mali_baseline_2018$HHHMatrimonial <- labelled::labelled(Mali_baseline_2018$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))

expss::val_lab(Mali_baseline_2018$HHHMatrimonial)
#   Monogame    Polygame  Divorcé(e)  Veuf/Veuve Célibataire 
#          1           2           3           4           5 
table(Mali_baseline_2018$HHHMatrimonial)
Mali_baseline_2018 %>% 
  plot_frq(coord.flip =T, HHHMatrimonial)

##########################################################################################################

expss::val_lab(Mali_ea_2020$HHHMatrimonial) #NULL
table(Mali_ea_2020$HHHMatrimonial)

#Mali_ea_2020 <- 
 # Mali_ea_2020 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5))

Mali_ea_2020$HHHMatrimonial <- labelled::labelled(Mali_ea_2020$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))

expss::val_lab(Mali_ea_2020$HHHMatrimonial) #OK

#Mali_ea_2020 %>% 
 # plot_frq(coord.flip =T, HHHMatrimonial)


#####################################################################

expss::val_lab(Mali_ea_2021$HHHMatrimonial)
#Marié(e) monogame  Marié(e) polygame   Séparé(e)/Divorcé(e)  Veuf/Veuve  Célibataire 
#          1           2                          3                 4           5
# Union libre ou concubinage
#                   6
table(Mali_ea_2021$HHHMatrimonial)


Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"1"=1,"2"=2,"3"=3,"4"=4,"5"=5,"6"=5))

Mali_ea_2021$HHHMatrimonial <- labelled::labelled(Mali_ea_2021$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))

expss::val_lab(Mali_ea_2021$HHHMatrimonial)

#Monogame    Polygame  Divorcé(e)  Veuf/Veuve Célibataire 
#    1           2           3           4           5 

#Mali_ea_2021%>% 
#  plot_frq(coord.flip =T, HHHMatrimonial)

###############################################################################################################"

expss::val_lab(Mali_ea_2022$HHHMatrimonial) #NULL
table(Mali_ea_2022$HHHMatrimonial)


Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"Marié(e) monogame"=1,"Marié(e) polygame"=2,"Séparé(e)/Divorcé(e)"=3,"Veuf/Veuve"=4,"Célibataire"=5, "Union libre ou concubinage"=5))

Mali_ea_2022$HHHMatrimonial <- labelled::labelled(Mali_ea_2022$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))

expss::val_lab(Mali_ea_2022$HHHMatrimonial) #OK

#Mali_ea_2022%>% 
 # plot_frq(coord.flip =T, HHHMatrimonial)

#############################################################################################################

expss::val_lab(Mali_pdm_2022$HHHMatrimonial) #NULL

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate(HHHMatrimonial = dplyr::recode(HHHMatrimonial,"Marié(e) monogame"=1,"Marié(e) polygame"=2,"Séparé(e)/Divorcé(e)"=3,"Veuf/Veuve"=4,"Célibataire"=5, "Union libre ou concubinage"=5))

Mali_pdm_2022$HHHMatrimonial <- labelled::labelled(Mali_pdm_2022$HHHMatrimonial, c(Monogame = 1, Polygame = 2, `Divorcé(e)`= 3,`Veuf/Veuve`=4, `Célibataire`=5))

unique(Mali_pdm_2022$HHHMatrimonial)
table(Mali_pdm_2022$HHHMatrimonial)
#NA var HHHMatrimonial de Mali_pdm_2022 est vide

41 HHSourceIncome

expss::val_lab(Mali_baseline_2018$HHSourceIncome)#NULL
unique(Mali_baseline_2018$HHSourceIncome)
#NA var HHSourceIncome de Mali_baseline_2018 est vide

expss::val_lab(Mali_ea_2020$HHSourceIncome)#NULL
unique(Mali_ea_2020$HHSourceIncome)
#NA var HHSourceIncome de Mali_ea_2020 est vide


expss::val_lab(Mali_ea_2021$HHSourceIncome)
#label existe (30 labels)
unique(Mali_ea_2021$HHSourceIncome)
#30 occurences, ne sait pas comment harmoniser label


expss::val_lab(Mali_ea_2022$HHSourceIncome)#NULL
unique(Mali_ea_2022$HHSourceIncome)
# 2 1 3 0
#  0    1    2    3 
# 12 1126  709   55 

expss::val_lab(Mali_pdm_2022$HHSourceIncome)
#NULL
#Vide

42 Assistance

42.1 Date assistance check

#unique(Mali_baseline_2018$DebutAssistance) #Vide
Mali_baseline_2018$DebutAssistance<-as.Date(as.numeric(Mali_baseline_2018$DebutAssistance), origin = "1900-01-01")

################################################################################
#unique(Mali_ea_2020$DebutAssistance)#vide
Mali_ea_2020$DebutAssistance<-as.Date(as.numeric(Mali_ea_2020$DebutAssistance), origin = "1900-01-01")

################################################################################
#unique(Mali_ea_2021$DebutAssistance) #"2021-06-18"
#Mali_ea_2021$DebutAssistance<-as.Date(as.numeric(Mali_ea_2021$DebutAssistance), origin = "1970-12-30")
################################################################################

#unique(Mali_ea_2022$DebutAssistance) #min="43412"
Mali_ea_2022$DebutAssistance<-as.Date(as.numeric(Mali_ea_2022$DebutAssistance), origin = "1900-01-01")
################################################################################
unique(Mali_pdm_2022$DebutAssistance) #min=41487 max=44819
Mali_pdm_2022$DebutAssistance<-as.Date(as.numeric(Mali_pdm_2022$DebutAssistance), origin = "1900-01-01")

42.2 Date last assistance check

expss::val_lab(Mali_baseline_2018$DateDerniereAssist)
#NULL
#VIDE
table(Mali_baseline_2018$DateDerniereAssist)
Mali_baseline_2018$DateDerniereAssist <- labelled::labelled(Mali_baseline_2018$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))
#########################################################################################################
expss::val_lab(Mali_ea_2020$DateDerniereAssist)
#NULL
#VIDE
table(Mali_ea_2020$DateDerniereAssist)
Mali_ea_2020$DateDerniereAssist <- labelled::labelled(Mali_ea_2020$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))

##########################################################################################################
expss::val_lab(Mali_ea_2021$DateDerniereAssist)
table(Mali_ea_2021$DateDerniereAssist)

#Moins d'une semaine    entre 1 et 3 semaines    plus de 3 semaines      Other
 #      "1"                   "2"                          "3"          "other"

Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)

Mali_ea_2021 <- 
  Mali_ea_2021 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode," "=NA_real_,"1"=1,"2"=2,"3"=3,"other"=NA_real_)

Mali_ea_2021$DateDerniereAssist <- labelled::labelled(Mali_ea_2021$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))

Mali_ea_2021 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)

expss::val_lab(Mali_ea_2021$DateDerniereAssist)

######################################################################################################

expss::val_lab(Mali_ea_2022$DateDerniereAssist)
#NULL

#"plus de 3 semaines"    "Other "entre 1 et 3 semaines" "Moins d'une semaine"

Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)

Mali_ea_2022 <- 
  Mali_ea_2022 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode,"Moins d'une semaine"=1,"entre 1 et 3 semaines"=2,"plus de 3 semaines"=3,"Other"=NA_real_)

Mali_ea_2022$DateDerniereAssist <- labelled::labelled(Mali_ea_2022$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))


expss::val_lab(Mali_ea_2022$DateDerniereAssist)

Mali_ea_2022 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T) # revoir le NA_real là

################################################################################
expss::val_lab(Mali_pdm_2022$DateDerniereAssist)
#NULL

Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)

Mali_pdm_2022 <- 
  Mali_pdm_2022 %>% dplyr::mutate_at(c("DateDerniereAssist"),recode,"Moins d'une semaine"=1,"entre 1 et 3 semaines"=2,"plus de 3 semaines"=3,"Other"=NA_real_)

Mali_pdm_2022$DateDerniereAssist <- labelled::labelled(Mali_pdm_2022$DateDerniereAssist, c(`moins d’une semaine` = 1, `entre 1 et 3 semaines` = 2,`plus de 3 semaines`=3))

Mali_pdm_2022 %>% 
  plot_frq(coord.flip =T,DateDerniereAssist,show.na =T)

42.3 Type d’assistance

43 Merging all data

Mali_baseline_2018 <- labelled::to_factor(Mali_baseline_2018)
Mali_ea_2020 <- labelled::to_factor(Mali_ea_2020)
Mali_ea_2021 <- labelled::to_factor(Mali_ea_2021)
Mali_ea_2022 <- labelled::to_factor(Mali_ea_2022)
Mali_pdm_2022 <- labelled::to_factor(Mali_pdm_2022)


WFP_Mali<-plyr::rbind.fill(Mali_baseline_2018,
Mali_ea_2020,
Mali_ea_2021,
Mali_ea_2022,
Mali_pdm_2022)
WFP_Mali.sub<- WFP_Mali  %>% dplyr::select(ID,adm0_ocha,ADMIN0Name,adm1_ocha,ADMIN1Name,adm2_ocha,ADMIN2Name,SURVEY,YEAR,SvyDatePDM,HHHSex ,HHHAge, HHHEdu,everything())

WFP_Mali <- copy_labels(WFP_Mali.sub, WFP_Mali)

44 Cleaning dirty variables

44.1 drop variables not needed

var_to_drop = c("RESPConsent",
                "ADMIN3Name",
                "RESPAge",
                "RESPSex",
                #"RelationWith_HHH",
                "HHHMainActivity",
                #"HHHMatrimonial",
                "HHSourceIncome"
)

WFP_Mali <- WFP_Mali  %>% dplyr::select(-var_to_drop)

44.2 Remove empty rows and/or columns

44.3 Remove constant columns

45 Data exportation

45.1 Variables labels

46 HHHSex

WFP_Mali$HHHSex <- labelled::labelled(as.numeric(WFP_Mali$HHHSex), c(Femme = 0, Homme = 1))
class(WFP_Mali$HHHSex)

47 ABI

abi_variables <- Mali_baseline_2018 %>%
  dplyr::select(gtsummary::starts_with("ABI")) %>%
  names()

abi_variables <- c(abi_variables, "ActifCreationEmploi", "BeneficieEmploi", "TRavailMaintienActif")

abi_variables <- abi_variables[!abi_variables %in% c('ABISexparticipant')]

colonnes_existantes <- abi_variables[abi_variables %in% names(WFP_Mali)]

WFP_Mali <- WFP_Mali %>%
  dplyr::mutate(across(all_of(colonnes_existantes), 
                       ~ labelled(., labels = c(
                         `Non` = 0,
                         `Oui` = 1,
                         `Ne sait pas` = 888
                       ))))
#WFP_Mali <- labelled::to_factor(as.numeric(as.character(WFP_Mali)))
#WFP_Mali = as.data.frame(WFP_Mali)
haven::write_dta(WFP_Mali,"WFP_Mali.dta")
# WFP_Chad_dictionary <- WFP_Chad |> 
#   generate_dictionary()
# WFP_Chad_dictionary |> 
#   knitr::kable()
#devtools::install_github("pcctc/croquet")
library(croquet)
library(openxlsx)

wb <- createWorkbook()
add_labelled_sheet(WFP_Mali)
saveWorkbook(wb, "WFP_Mali.xlsx",overwrite = TRUE)
rm(list = ls())